使用PCA,返回的每个主要组件将是原始列/维度的线性组合。也许一个例子可能会消除你的任何误解。
让我们考虑包含150个实例和4个维度的Fisher-Iris数据集,并对数据应用PCA。为了使事情更容易理解,我首先将数据置于零中心,然后再调用PCA函数:
load fisheriris
X = bsxfun(@minus, meas, mean(meas)); %# so that mean(X) is the zero vector
[PC score latent] = princomp(X);
让我们看一下第一个返回的主成分(PC矩阵的第一列):
>> PC(:,1)
0.36139
-0.084523
0.85667
0.35829
这表示为原始尺寸的线性组合,即:
PC1 = 0.36139*dim1 + -0.084523*dim2 + 0.85667*dim3 + 0.35829*dim4
因此,为了在由主成分构成的新坐标系中表达相同的数据,新的第一维应该是根据上述公式的原始线的组合。
我们可以简单地将此计算为X*PC,这正是PRINCOMP(score)的第二个输出中返回的内容,以确认此尝试:
>> all(all( abs(X*PC - score) < 1e-10 ))
1
最后,每个主成分的重要性可以通过它解释的数据的方差来确定。这是由PRINCOMP的第三个输出(latent)返回的。
我们可以在不使用PRINCOMP的情况下自行计算数据的PCA:
[V E] = eig( cov(X) );
[E order] = sort(diag(E), 'descend');
V = V(:,order);
协方差矩阵V的特征向量是主要成分(与PC相同,尽管符号可以反转),相应的特征值E代表方差量解释(与latent相同)。注意,习惯上用它们的特征值对主成分进行排序。和以前一样,为了在新坐标中表达数据,我们只需计算X*V(如果您确保匹配符号,则应与上面的score相同)