princomp 与pca的区别与联系_princomp和pca matlab-优快云博客

本文探讨了Matlab中princomp函数与pca函数之间的转换方法，并通过实例对比了两者在处理同一数据集时的区别，特别是针对得分矩阵(score)的不同结果进行了详细解析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在网上下到一个程序：

里面有个函数是princomp 可能是因为matlab 版本的问题：

我的matlab(14a) 只能支持pca，但是要把princomp 转成pca 貌似还是需要一点小技巧的：

参考博客：http://www.cnblogs.com/haore147/p/3630002.html

princomp 的用法为：
[COEFF,SCORE,latent,tsquare] = princomp(X)

我们以

X=[ 7 26 6 60
1 29 15 52
11 56 8 20
11 31 8 47
7 52 6 33
11 55 9 22
3 71 17 6
1 31 22 44
2 54 18 22
21 47 4 26
1 40 23 34
11 66 9 12
10 68 8 12]

因为后面的主要是使用了score ，所以我们的目的是找出来怎么样利用pca 函数算出来score

在晚上找出来的计算方法：

COEFF(T)为特征向量矩阵
SCORE(Y)为得分矩阵
LATENT(R)为特征值矩阵
X的方差协方差矩阵为S,则

S=cov(x)

那么S 的结果为：

S=[

34.6026 20.9231 -31.0513 -24.1667
20.9231 242.1410 -13.8782 -253.4167
-31.0513 -13.8782 41.0256 3.1667
-24.1667 -253.4167 3.1667 280.1667

]
T*R*T'=S, T'*S*T=R
Y=T'*X

[U,mu,vars]=pca(X) 我们得到的结果是：

U =

0.1289 0.5651 0.2445 -0.0000
0.1453 0.4630 -0.1598 -0.0000
0.3097 -0.0673 0.1482 -0.0000
0.1418 0.3611 0.2336 -0.0000
0.3035 0.1325 0.1598 -0.0000
0.3000 -0.0418 0.1283 -0.0000
0.4139 -0.2805 -0.3149 0.0000
0.1384 0.3390 -0.3772 0.0000
0.3007 -0.0152 -0.3150 0.0000
0.2236 0.0005 0.4952 -0.0000
0.1959 0.1787 -0.4359 0.0000
0.3738 -0.2076 0.0979 0.0000
0.3939 -0.2079 0.1040 0