主成分分析法PCA特征降维

PCA特征降维matlab代码

clc;
clear all;
 %x = xlsread('D:\实验项目\程序\肌电信号分析\腕关节\绝对值均值特征2.xlsx', 'sheet1', 'B2:M140');
 %x = xlsread('C:\Users\80590\Desktop\BP分类\腕关节特征2.xlsx', 'sheet2', 'A2:I114');
 x = xlsread('C:\Users\80590\Documents\MATLAB\BP分类\测试\两次实验合并特征值1', 'sheet1', 'A2:AR165');
 % x=[1.2,3,-1.1,17;
%     1.5,5,-3,22;
%     1.3,4.0,-2,19;
%     0.7,3,-2.3,11
%     1,4,-1.2,20.8];
stdr=std(x);                %求各变量的标准差；
[n,m]=size(x);               %矩阵的行与列
sddata=x./stdr(ones(n,1),:);         %标准化变换
[p,princ,egenvalue]=pca(sddata);  %调用主成分
%p=p(:,1:3);                          %输出前3主成分系数；
%sc=princ(:,1:3);                       %前3主成分量；
p=p(:,1:7);                          %输出前7主成分系数；
sc=princ(:,1:7);                     %前7主成分量；
egenvalue;                              %相关系数矩阵的特征值，即各主成分所占比例；
per=100*egenvalue/sum(egenvalue);       %各个主成分所占百分比；
figure(1);
set(gcf,'color','w');
pareto(per);
ylabel('Votes');