PCA降维算法及MATLAB实现

PCA降维算法及MATLAB实现

关于PCA降维算法的相关理解及在MATLAB中的应用
参考资料地址如下：

• http://blog.csdn.net/watkinsong/article/details/8234766
• http://blog.csdn.net/a1154761720/article/details/50721452
• http://www.voidcn.com/blog/jiandanjinxin/article/p-5006758.html

---

PCA原理

• PCA主要用于数据降维，找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，计算主成分的目的是将高维数据投影到较低维空间这个投影矩阵可以将特征从高维降到低维。

• 举例：
  对于一个训练集，100个对象模板，特征是10维，那么它可以建立一个100*10的矩阵，作为样本。
  求这个样本的协方差矩阵，得到一个10*10的协方差矩阵，然后求出这个协方差矩阵的特征值和特征向量，应该有10个特征值和特征向量，我们根据特征值的大小，取前四个特征