主成分分析(PCA)Matlab源码

建不了的模。

function main()
8 {2 d! k0 v& X6 F* w/ q%*************主成份分析************
) c: V% u' f% T" }%
( n1 h4 D5 s7 m- i% k( r%see also
5 Q6 X5 l9 L  \' d, t: u8 `%
%读入文件数据
- ~* D& w1 k* z1 i3 ^4 v& \# H' z7 uX=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=================
+ h( P% R* k3 t4 d7 ?; p9 s( P%标准化处理
[p,n]=size(X);
% o0 |  r8 g5 o9 Y# d8 e. U+ t" xfor j=1:n
    mju(j)=mean(X(:,j));
    sigma(j)=sqrt(cov(X(:,j)));
end
for i=1:p
- P8 P  s* G( M    for j=1:n
        Y(i,j)=(X(i,j)-mju(j))/sigma(j);
    end
end
& G; j9 u3 o7 s; g7 xsigmaY=cov(Y);
: W8 e7 c$ A2 ^/ e% i%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);
' }& H6 I8 T& R  ^- w4 f3 ?disp('特征向量:');
, `+ J* ]( U! m5 s5 Sdisp(T);
& U6 N; u+ W# i8 e%方差贡献率;累计方差贡献率
+ |) a( L7 X8 w, F( U  u1 G; {8 AXsum=sum(sum(lambda,2),1);
6 c4 C* d% h7 M' Ofor i=1:n
    fai(i)=lambda(i,i)/Xsum;
end
for i=1:n
    psai(i)= sum(sum(lambda(1:i,1:i),2),1)/Xsum;
5 F2 T# o2 L6 t+ w# ]) g+ \6 xend
disp('方差贡献率:');
disp(fai);
disp('累计方差贡献率:');
disp(psai);
%综合评价....略
2 W- R/ O6 W, w+ Z. F) c" W
3 H3 e4 k5 n- i# Q0 p

游客，如果您要查看本帖隐藏内容请回复

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