matlab中的princomp()和pca()区别

matlab2016b中利用PCA原理做降维的是princomp()，2017版本不清楚，由于实验需要，将2016b卸载了，换成了2018b然后这行语句就报错了，说princomp()已经没了，让我用pca替换。

但是替换后，有一个问题就是当原始数组里面存在很多列0时，pca自动返回前10个主成分而不是所有的。

利用princomp()的维度结果，C为原始数据集

% C:11*467(维度)
[COEFF,SCORE,LATENT]= princomp(C);

%COEFF:467*467,各个主成分
%SCPRE:11*467,主成分上的投影
%LATENT:467*1,各个特征值

利用pca()的维度结果,如下：

% C:11*467(维度)
[COEFF,SCORE,LATENT]= pca(C);

%COEFF:467*10,各个主成分
%SCPRE:11*10,主成分上的投影
%LATENT:10*1,各个特征值

这样的结果就是，前10个特征值对应的降维之后的主成分不在全部成分的95%以上，因此需要将pca()做一些改变。

参考了：https://blog.csdn.net/qq_25800311/article/details/83385029

上面这篇博客，

改成：

[COEFF,SCORE,LATENT]=pca(C,'economy', false);

就和princomp()相同了。pca()参数设置，详见上面的博客。