PCA方法对特征降维

用CNN抽了feature后，维度太高了，降维如下：

%使用PCA对数据降维
load fc7.txt;
[pc, score, latent,tsquare]=princomp(fc7);
k=cumsum(latent)./sum(latent);%计算贡献率，确定最终的降维数目k,即前k个特征值所占的比重
eigen_matrix=pc(:,1:2048);
reduce_matrix=fc7*eigen_matrix;
dlmwrite('reduce_feature.txt',reduce_matrix);

【思考】：原样本空间为9200*4096的矩阵，经过降维后成为了9200*2048，特征矩阵为4096*2048。但是，原特征向量有大量的0存在，但是经过降维后，每一个点的值都变为了非零值，这个会不会有什么影响？