利用Matlab中的pca函数进行数据降维

Matlab中关于pca函数的说明写得并不直观， 很多人最直接的目的只是想得到pca降维后的结果 ，但是根据官方解释文档，很难一下看出哪个输出参数才是最终降维后的特征。因此，本文记录如何使用Matlab中自带的pca函数对数据进行降维。

PS. 本文拆举并不详解pca的原理，仅仅记录如何使用Matlab中的pca函数。

输入参数：X是n x d的样本矩阵，其中n表示样本数，d表示特征纬度。

输出参数：

（1）coeff是主成分分量，即样本协方差矩阵的特征向量。

（2）score是主成分，即样本X在低维空间的投影，也就是我们想要得到森雀的降维后的数据。

注意：score的维度和原始样本X的维度此御早一致，若需要降到k维，则只需要取score的前k列即可。

此外，也可以根据coeff计算得到score，以下是具体步骤：

（1）计算样本X沿特征纬度的均值向量（因为X的每一列代表一个特征，因此此时是按照行计算均值）：

(2) 利用去中心后的X乘上coeff便可以得到score：

运行后便可以看到res的结果非常非常小，此时便说明test和score非常接近。

[1] PCA原理分析和Matlab实现方法（三）

[2] Matlab: princomp() 主成分分析

以下是我的SVD高位矩阵去噪函数

function

f=PVC(x,n)

[u,s,v]=svd(x)

for

i=1:n

t=max(s)

[z,ind]=min(t)

s(ind,ind)=0

end

f=u*s*v'

n指你要下降的秩数，x指原高维矩阵，降维我不会了让颂绝，我也才学1年不到，只能樱顷写个降秩坦姿的给你，不知道有没有帮助

A=[1 2 3 45 6 7 89 10 11 1213 14 15 16]

y_img_index=1

for dim_sum=2:1:8

if(mod(dim_sum,2)==0)

for i=1:1:4

if dim_sum-i<=4 &dim_sum-i>0

imgtemp(y_img_index) = A(i,dim_sum-i)

y_img_index=y_img_index+1

end

end

else

for i=1:1:4

if dim_sum-i<=4 &dim_sum-i>0

imgtemp(y_img_index) = A(dim_sum-i,i)

y_img_index=y_img_index+1

end

end

end

end

---