主成分分析(PCA)Matlab源码

建不了的模。

function main()
%*************主成份分析************
2 a* c& W/ Y4 m. A%
%see also
+ \' r0 J& }- B2 Y) ]%
%读入文件数据
X=load('data.txt');
%==========方法1:求标准化后的协差矩阵,再求特征根和特征向量=================
. W5 n: @- F2 E$ r% m9 S) A%标准化处理
[p,n]=size(X);
+ a9 q- ?2 h! O( b# c7 W5 C& Hfor j=1:n
    mju(j)=mean(X(:,j));
9 e7 X  Q2 Z: o4 ]. ]6 W    sigma(j)=sqrt(cov(X(:,j)));
end
for i=1:p
9 n( ]+ j2 t$ A6 H    for j=1:n
3 S/ `7 j1 T0 }* N        Y(i,j)=(X(i,j)-mju(j))/sigma(j);
    end
! x5 f  R! X. o" T9 {2 p: Xend
sigmaY=cov(Y);
: Q8 _4 w; r# U" b%求X标准化的协差矩阵的特征根和特征向量
[T,lambda]=eig(sigmaY);
disp('特征根(由小到大):');
disp(lambda);
disp('特征向量:');
& k2 o' Y8 H9 H, ?disp(T);
* d2 c- [& n! l% L; |# Y8 O%方差贡献率;累计方差贡献率
Xsum=sum(sum(lambda,2),1);
% Y. x; @) O/ n- B  Tfor i=1:n
    fai(i)=lambda(i,i)/Xsum;
: E# P: V  d" F( B7 r6 Jend
for i=1:n
    psai(i)= sum(sum(lambda(1:i,1:i),2),1)/Xsum;
end
1 O; p# n# h, [) F: Zdisp('方差贡献率:');
; E1 t* V$ \$ o& U' fdisp(fai);
disp('累计方差贡献率:');
  R- a# [: ^$ \! a6 Tdisp(psai);
%综合评价....略
& X  |- M* W1 U& E0 v9 p; M" F

游客，如果您要查看本帖隐藏内容请回复

* k# d( y. A; F: ?

harmony1993

很有用，收下了

reptile

谢谢楼主啦

MCR董事长

他干嘛不zscore

刘358812234

谢谢楼主啊！

空木葬花

非常感谢楼主！

数学中国user

我QQ空间里有一篇日志就是讲解这个的。能不能把它同步过来呀？

蓝色天空吧

好贴，人人求

《爱楠》

赞一个！！！

dunang

好