huangzhywin的博客

调用格式：[coeff,latent,explained] = pcacov(V)这个函数针对已经求出的协方差矩阵进行计算。要结合cov函数才能进行完整的pca分析。这个函数可以查看源代码，并且清晰明了的展示了计算过程。输出变量：-coeff: 特征向量(注意与pca函数的变量score进行区分）；-latent: 特征值；[~,latent,coeff] = svd(v); 其实...

pca的目的就是对数据进行降维。对于已经利用pca函数求得的结果，如何利用这些信息对进行数据的重构，进而求出重构后的误差是很重要的。具体重构过程：利用pca进行求解，得到coeff,score,latent；[coeff,score,latent] = pca(___)-关键就在于这里的score。通过查看pca函数的源代码可知score = X*coeff.即将数据映射到pca空间后的...

加数据分成训练集和测试集：传统处理方法，利用ranperm生成随机的编号，取前面百分比的数据作为训练集，余下的作为测试集。代码如下：num_points = size(X,2);split_point = round(num_points*0.7);seq = randperm(num_points);X_train = X(:,seq(1:split_point));Y_tra...