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()