PCA的MATLAB实现

本文介绍了PCA在MATLAB中的两种实现方式:直接使用princomp函数和通过SVD分解。详细阐述了princomp函数的输入输出参数,并通过示例展示了如何进行数据的PCA变换和反变换过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

通常有两种方式 1. 直接调用PCA函数princomp 2. 使用SVD分解,调用eig

1. 直接调用PCA函数princomp

    princomp的输入是原始数据。princomp会自动进行中心化。

    [COEFF,SCORE,LATENT]=princomp(X)

    X: 原始输入数据 Rows of X correspond to observations, columns to variables.

    LATENT: 特征向量

    COEFF: PCA的映射矩阵,eigen vectors, 列是按主成分变量递减的顺序排列

    SCORE: 将输入data X映射到生成的PCA空间,得到的PCA coefficients

    得到特征向量后,可以进行映射

    (1)将数据从原始空间映射到PCA空间

             score=bsxfun(@minus,X,mean(X,1))*COEFF (X为测试集)

    (2)将PCA coeffeicients映射到原始数据空间

            x=

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值