matlab数据维度调换,如何在matlab中的pcares函数中选择ndim参数并降低数据的维数？ [重复]...

这个问题在这里已有答案：

我有一个大小为200 * 119的数据集，即我的样本为200，变量/特征为119.我想通过选择那些对分类有重大贡献的特征来使用PCA来优化我的特征集 .

我已经理解了PCA的概念，但我无法实现它 . 我使用 pca 函数找到了 coeff and score 的数据 .

[coeff, score] = pca(data);

coeff矩阵现在的大小为 119x119 .

但是我如何处理这些信息呢？我的目标是找到可以输入分类器的简化数据集 . 我已经阅读了pcares的文档，甚至查看了有关此问题的类似问题 . 但我无法理解 [residuals, reconstructed]=pcares(data, ndim) 将如何帮助我"reduce"我的数据集的大小 . 我如何选择ndim参数？

EDIT

我使用以下代码来减少数据集 .

B=data;

sigma = cov(B);

%// Find eigenvalues and eigenvectors of the covariance matrix

[A,D] = eig(sigma);

vals = diag(D);

%// Sort their eigenvalues

[~,ind] = sort(abs(vals), 'descend');

%// Rearrange eigenvectors

Asort = A(:,ind);

%// Find mean subtracted data

Bm = bsxfun(@minus, B, mean(B,1));

%// Reproject data onto principal components

Bproject = Bm*Asort;

但是，我的Bproject仍然是200 * 119的大小

我不明白 . 请解释 .