利用Matlab中的主成分分析函數降低數據維數

Matlab中對pca函數的描述並不直觀。很多人只是想得到pca降維的結果。但根據官方的解讀文件，很難看出哪些輸出參數是最終降維的特征。因此，本文記錄了如何在Matlab中使用pca函數來降低數據的維數。

PS。本文不詳細講解pca的原理，只記錄如何在Matlab中使用pca函數。

輸入參數:x是n×d的樣本矩陣，其中n代表樣本數，d代表特征緯度。

輸出參數:

(1)coeff是主分量，即樣本協方差矩陣的特征向量。

(2)score是主成分，也就是樣本X在低維空間的投影，也就是我們想要的降維數據。

註意:分數的維數與原樣本x的維數相同，如果需要降維到k維，取分數的前k列即可。

此外，還可以根據coeff計算得分，具體步驟如下:

(1)計算樣本X沿特征緯度的均值向量(由於X的每壹列代表壹個特征，此時按行計算均值):

(2)可以通過將系數乘以去中心後的X來獲得分數:

運行後可以看到res的結果非常非常小，說明test和score非常接近。

[1] PCA原理分析及Matlab實現方法(三)

[2]MATLAB:prince MP的主成分分析()