主成分分析PCA的matlab实现

函数princomp实现了对PCA的封装，其常见调用形式为：

[COEFF，SCORE，Latent]=princomp(x);

参数说明：

*  x为原始样本组成的n×d的矩阵，其每一行是一个样本的特征向量，每一列表示样本特征向量的一维。

返回值：

*COEFF:主成份分量，即变换空间的那些基向量也是样本协方差矩阵的本征向量。

*SCORE：主成份，x的低维表示，即x中的数据在主成份分量上的投影（可根据需要取前几列），也是《数字图像处理与机器视觉》书描述中的系数。

*latent：一个包含着样本协方差矩阵本征值的向量。

>> x=[1 2;3 3;3 5;5 4;5 6;6 5;8 7;9 8]%样本矩阵，每行一个样本向量


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
>> COEFF%主成分分量（每列为一个变换空间中的基向量）


COEFF =


    0.8086   -0.5883
    0.5883    0.8086


>> 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


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%x样本协方差矩阵的本征值


latent =


   10.6764
    0.4664