PCA的MATLAB实现

函数princomp( )实现了对PCA的封装。
%常见调用形式为：[COEFF,SCORE,latent]=princomp(X);
% X为原始样本组成的n*d的矩阵，其每一行是一个样本特征向量，每一列表示样本特征向量的一维，8*2的样本矩阵，总共8个样本，每个样本2维。
% COEFF:主成分分量，即变换空间中的那些基向量，也是样本协方差矩阵的本征向量。
% SCORE:主成分，X的地维表示，即X中的数据在主成分分量上的投影（可根据需要取前面几列的）。
% latent:一个包含样本协方差矩阵本征值的向量。
% COEFF:主成分分量（每列为一个变换空间中的基向量）；
% SCORE:主成分，SCORE（:,1）为X的一维表示，SCORE为X在变换空间的二维表示。
% X样本协方差矩阵的本特值




代码：
X=[1,2;3,3;3,5;5,4;5,6;6,5;8,7;9,8]
[COEFF,SCORE,latent]=princomp(X); %主成分分析 
cofeee =


    0.8086   -0.5883
    0.5883    0.8086
score =


   -4.9995   -0.0728
   -2.7939   -0.4407
   -1.6173    1.1766
   -0.5883   -0.8086
    0.5883    0.8086
    0.8086   -0.5883
    3.6025   -0.1476
    4.9995    0.0728

latent =


   10.6764
    0.4664