Matlab的主成分分析

主要目的

主成分分析（或称主分量分析，principal component analysis）由皮尔逊（Pearson,1901）首先引入，后来被霍特林（Hotelling,1933）发展了。 主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异，将 们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中的变异的几个新变量，即所谓主成分，并用以解释资料的综合性指标。 因此，我们可以知道主成分分析的一般目的是： (1)变量的降维； (2)主成分的解释。

嗷

自己结合了一下写的

X=load('11.txt');
z=zscore(X);               %数据标准化
M=cov(z);                  %协方差
[Q,D]=schur(M);            %求出协方差矩阵的特征向量、特征根
d=diag(D);                %取出特征根矩阵列向量（提取出每一主成分的贡献率）
eig1=sort(d,'descend');      %将贡献率按从大到小元素排列
Q=fliplr(Q);                %依照D重新排列特征向量
B=z*Q;  %得到矩阵B;

S=0;
i=0;
while S/sum(eig1)<0.9
    i=i+1;
    S=S+eig1(i);
end                         %求出累积贡献率大于90%的主成分
NEW=z*Q(:,1:i);              %输出产生的新坐标下的数据
W=100*eig1/sum(eig1);      %贡献率
figure(1)
pareto