1、-对于digit，尝试将其分解成4，继续向下分析。
2、2.联系：主成分分析和层次分析法都是多元统计分析方法，可以用于数据分析和决策支持。主成分分析可以作为层次分析法的一种辅助方法，用于降低变量的数量和复杂度，提高因素权重的解释性和可视化效果。层次分析法可以作为主成分分析的一种应用方法，用于确定变量的相对重要性和权重，进而进行数据降维和特征提取。
3、案例分析：
4、-对于左侧的expr，再次尝试将其分解成expr+term，继续向下分析。
5、digit→0|1|2|3|4|5|6|7|8|9
6、主成分分析和层次分析法区别和联系是：成分分析法是用特定的符号表示句子成分的分析方法,其特点是表示的句子成分比较直观,缺点是不能很好的表示构成句子的成分之间的层次关系；
7、-回到上一步，对右侧的term进行分析。
8、-对于digit，尝试将其分解成3，继续向下分析。
9、-AHP是一种多准则决策方法，用于解决复杂决策问题，通过构建层次结构，对决策因素进行排序和权重赋值。
10、根据编程语言的语法规则，构建一个形式文法（FormalGrammar），通常使用上下文无关文法（Context-FreeGrammar）来表示。
11、-主成分分析（PCA）：
12、-从expr开始，根据文法规则，尝试将expr分解成expr+term，继续向下分析。
13、完整的AHP层次分析法通常包括四个步骤：操作步骤：
14、层次分析法是用框表示构成句子的词语之间的结构层次和结构关系的分析方法,起特点是能很好地表现句子的结构层次,但缺点也很明显,就死一个句子的分析,表达出来要较大的篇幅.
15、主成分分析和层次分析两者计算权重的不同，AHP层次分析法是一种定性和定量的计算权重的研究方法，采用两两比较的方法，建立矩阵，利用了数字大小的相对性，数字越大越重要权重会越高的原理，最终计算得到每个因素的重要性。
16、通过上述步骤，我们成功地进行了语法层次分析，得到了输入表达式的语法结构。
17、-最终得到digit3，分析完成。
18、|expr-term
19、建立一个分析器（Parser），通过读取标记序列，并按照文法规则进行分析和解析。
20、定义和目标：
21、构建文法并建立分析器。
22、语法层次分析法（HierarchicalGrammarAnalysisMethod）是一种分析和理解句子结构的方法，它将句子划分为不同的层次，以便更好地理解句子的结构和意义。下面是语法层次分析法的基本步骤和案例分析：
23、·第二步：特征向量，特征根计算和权重计算此步骤目的在于计算出权重值，如果需要计算权重，则需要首先计算特征向量值，因此SPSSAU会提供特征向量指标。同时得到最大特征根值（CI），用于下一步的一致性检验使用。
24、分层：将句子拆分成更小的组成部分，如短语、从句等。
25、步骤如下：
26、·第一步：标度确定和构造判断矩阵此步骤即为原始数据（判断矩阵）的来源，比如使用1-5分标度法（最低为1分，最高为5分）；结合专家打分最终得到判断矩阵表格。
27、采用递归下降分析法（RecursiveDescentParsing）或者自底向上分析法（Bottom-upParsing）进行语法分析，根据输入的标记序列构建语法树。
28、语法层次分析法（SyntaxAnalysis）也称为语法分析，是编译原理中的一个重要步骤，用于对输入的源代码进行分析和解析，以确定其语法结构的正确性。以下是语法层次分析法的步骤及案例分析：
29、-最终得到digit4，分析完成。
30、-对于右侧的digit，尝试将其分解成digit，继续向下分析。
31、我们要分析的输入表达式是：2+3*4
32、-对于term，尝试将其分解成digit*digit，再次向下分析。
33、-对于左侧的digit，尝试将其分解成2，继续向下分析。
34、主成分分析（PrincipalComponentAnalysis,PCA）和层次分析（AnalyticHierarchy,AHP）是两种常用的多变量数据分析方法，它们在目的、应用和原理上存在区别和联系。
35、相关系数越大，两个指标反映的信息相关性就越高。而为了使评价指标体系简洁有效，就需要避免指标反映信息重复。通过计算同一准则层中各个评价指标之间的相关系数，删除相关系数较大的指标，避免了评价指标所反映的信息重复。通过相关性分析，简化了指标体系，保证了指标体系的简洁有效。2.基于主成分分析的指标筛选原理（1）因子载荷的原理通过对剩余多个指标进行主成分分析，得到每个指标的因子载荷。因子载荷的绝对值小于等于1，而绝对值越是趋向于1，指标对评价结果越重要。（2）基于主成分分析的指标筛选原理因子载荷反映指标对评价结果的影响程度，因子载荷绝对值越大表示指标对评价结果越重要，越应该保留；反之，越应该删除。通过对相关性分析筛选后的指标进行主成分分析，得到每个指标的因子载荷，从而删除因子载荷小的指标，保证筛选出重要的指标。3.相关性分析和主成分分析相同点一是，基于相关性分析的指标筛选和基于主成分分析的指标筛选，均是在准则层内进行指标的筛选处理，准则层之间不进行筛选。这种做法的原因是，通过人为地划分不同准则层，反映评价事物不同层面的状况，避免误删反应信息不同的重要指标。二是，基于相关性分析的指标筛选和基于主成分分析的指标筛选的思路，均是筛选出少量具有代表性的指标。4.相关性分析和主成分分析不同点一是，两次筛选的目的不同：基于相关性分析的指标筛选的目的是删除反应信息冗余的评价指标。基于主成分分析的指标筛选的目的是删除对评价结果影响较小的评价指标。二是，两次筛选的作用不同：基于相关性分析的指标筛选的作用是保证蹄选出的评价指标体系简洁明快。基于主成分分析的指标简选的目的是筛选出重要的指标。
36、-对于左侧的expr，再次尝试将其分解成term，再次向下分析。
37、term→digit*digit
38、-最终得到digit2，分析完成。
39、主成分分析（PrincipalComponentAnalysis，简称PCA）和层次分析法（AnalyticHierarchyProcess，简称AHP）是两种常用的数据分析方法，有一些区别和联系。
40、-最终得到term3*4，分析完成。
41、-对于左侧的term，尝试将其分解成digit，继续向下分析。
42、expr→expr+term
43、它很重视寻找句子成分和词类的对应关系，于是规定句子成分和词相对应，不和短语对应。析句时要求寻找出短语里的中心词和附加成分或连带成分，只有找到了中心词，才算找到了句子成分。因此又叫中心词分析法。2、层次分析法认为，词语结构句子是有先后的，句子的结构是一层套一层的，在每一层上，除了联合结构、同位结构等有可能由多个并列词语组成外，其余都能分出两个直接组成成分，所以又叫二分法。它的析句目的是要认清句子的结构层次，明确结构关系、结构规律，并确定句子类型，以便更好地了解句子的意思。
44、确定基本结构：首先，识别句子的主要成分，如主语、谓语和宾语。
45、主成分分析和层次分析法是两种不同的多元统计分析方法，它们的区别和联系如下：
46、|digit
47、-最终得到term2*4，分析完成。
48、-对于左侧的expr，尝试将其分解成term，继续向下分析。
49、目的：主成分分析旨在通过降维来提取原始数据的主要变化模式，以减少数据维度并发现潜在结构；层次分析法旨在通过分层的方式对多个层级的准则和选择进行结构性比较和权重确定。
50、词法分析（LexicalAnalysis）：将源代码分割成标记（tokens）序列，如识别关键字、标识符、运算符、常量等，并去除空格、注释等无用信息。
51、主成分分析（PrincipalComponentAnalysis，PCA）和层次分析法（AnalyticHierarchyProcess，AHP）是两种常用的多元统计分析方法，它们分别用于不同类型的数据处理和决策问题。
52、主成分分析法和层次分析法异同1.基于相关性分析的指标筛选原理两个指标之间的相关系数，反映了两个指标之间的相关性。
53、假设有以下简化的算术表达式文法：
54、-类型：PCA是一种无监督学习方法，用于降维和数据压缩。
55、-回到最初的expr，继续向下分析。
56、|term
57、-最终得到expr2+3*4，分析完成。
58、-尝试将expr分解成expr+term。
59、1.区别：主成分分析是一种通过线性变换将原始变量转化为新的无关变量的方法，其目的是减少变量的数量和复杂度，提高数据的解释性和可视化效果。主成分分析适用于变量之间存在相关性的情况，可以用于数据降维、特征提取、分类和聚类等领域。层次分析法是一种通过对多个因素进行比较和权衡，确定其相对重要性的方法，其目的是帮助决策者做出最优决策。层次分析法适用于多因素决策、风险评估、资源分配和项目管理等领域。
60、词法分析将该表达式分割成标记序列：[2,+,3,*,4]
61、|digit/digit
62、-目标：其主要目标是通过线性变换将原始数据映射到新的低维空间，从而保留最重要的信息，并尽量减少数据的维度。
63、递归下降分析法依次进行分析和解析：
64、-PCA旨在通过线性变换，将原始数据转化为一组线性无关的主成分，以减少数据的维度，并捕捉数据中的最大方差。
65、分析：分析每个层次的成分，确定其语法功能和关系。
66、成分分析法的目的，在于说明句子里实词和实词组合时发生的结构关系，进而理解句子的结构格式、结构规律和句子的意思。
67、-对于term，尝试将其分解成digit，继续向下分析。
68、·第三步：一致性检验分析在构建判断矩阵时，有可能会出现逻辑性错误，比如A比B重要，B比C重要，但却又出现C比A重要。