主成分分数计算 - 需要帮助大家好，
教授对 PCA 分数计算的澄清要求之一。
JMP 文档指南指出，主成分的计算取决于您选择哪个矩阵来提取主成分：–对于相关性选项，第 i 个主成分是使用第 i 个条目的居中和缩放观察值的线性组合特征向量作为系数。– 对于 on Covariances 选项，第 i 个主成分是中心观测值的线性组合，使用第 i 个特征向量的条目作为系数。
– 对于未缩放和未居中选项，第 i 个主成分是使用第 i 个特征向量的条目作为系数的原始观测值的线性组合。
教授正在使用溶解度。 跳跃数据集并创建保存的一个主成分，
我附上了屏幕截图。 他试图在课堂上展示如何使用特征向量值手动计算主成分分数。 当我们将主成分保存为公式时，它会显示一个公式和一个常数。 并且公式中的系数与特征向量不匹配。（他之前用的是 R，现在转向 JMP）
有人可以帮助我如何从特征向量中导出 PCA 分数并与 JMP 输出匹配。 JMP 还给出了一个公式和一个常数。
感谢您在这方面的帮助。
谢谢
穆拉利
回复：主成分分数计算 - 需要帮助当对相关性执行 PCA 时，JMP 使用标准化变量计算得分，然后重新排列表达式。 所以，
PC1=0.37441*[ 1-Octanol -Mean(1-Octanol)]/Std (1-Octanol)+0.34834* [Ether -Mean(Ether)]/Std (Ether)+…..
=0.37441*[ 1-辛醇 - 1.2665)/ 0.8219] +……
=0.45544*1-辛醇 – 0.57695+……
常数 -1.13263 是 – 0.57695 和其他平均值/标准值的总和。
回复：主成分分数计算 - 需要帮助嗨穆拉利，
出于教学时的演示目的，他可能会使用“未缩放和未居中”。 特征向量将是已保存公式中的系数，因为没有发生任何转换来解释变量之间的比例和中心差异。 在介绍该转换的价值并向他们展示计算之前，这对学生来说是一个有益的开端@剑草假如。
@朱利安
回复：主成分分数计算 - 需要帮助非常感谢建草回复：主成分分数计算 - 需要帮助非常感谢朱利安
