Matlab 使用PCA(Principal Component Analysis)降维的语句_abracadabra

http://blog.sina.com.cn/u/1686273612

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

Matlab 使用PCA(Principal Component Analysis)降维的语句

(2011-04-29 13:47:27)

标签：

杂谈

分类： Matlab学习

在统计学中，主成分分析（principal components analysis (PCA)）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标（称为第一主成分）上，第二大方差在第二个坐标（第二主成分）上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。

现有一个随机变量矩阵 X，

对X进行PCA降维处理,这里令其降到2维：

retain_dimensions = 2;

[U,S,V] = svd(cov(X));

reduced_X = X*U(:,1:retain_dimensions);

酱紫，就得到了降维后的矩阵reduced_X.

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：latex WinEdt 6.0 破解方法

后一篇：Matlab中如何越过大段程序不读（悬挂大段程序）

新浪BLOG意见反馈留言板　欢迎批评指正