降维算法系列代码-01（PCA主成分分析降维算法）

一、作品详细简介

1.1附件文件夹程序代码截图

 全部完整源代码，请在个人首页置顶文章查看：

学行库小秘_CSDN博客https://blog.csdn.net/weixin_47760707?spm=1000.2115.3001.5343

1.2各文件夹说明

1.2.1 pca_test.m主函数文件

       这段代码是一个使用遗传算法对神经网络进行参数优化，并对优化后的神经网络进行训练和测试的过程。下面对代码的作用进行概括解释，该代码的执行步骤如下：

        1.关闭所有图形窗口，清除工作空间，清除命令窗口。

        2.使用readmatrix函数从 Excel 文件中读取数据，范围是A2:G104。

        3.将读取的数据保存到变量 P1 中。

        4.将变量 P1 赋值给变量 fea。

        5.使用mapminmax函数对数据进行归一化处理，将数据范围映射到 0 到 1。

        6.将归一化后的数据重新转置，保存到变量 normalized_data1 中。

        7.使用 pca 函数对归一化后的数据进行主成分分析（PCA）降维，获得主成分分量 coeff，主成分 SCORE，以及特征值 latent。

        8.计算特征值的累计贡献度，保存到变量 sum_latent 中。

        9.绘制特征值累计贡献度的折线图，横轴表示主成分数，纵轴表示贡献率百分比。

        10.使用 find 函数找到累计贡献度大于 0.9 的主成分个数，保存到变量 k 中。

        11.从SCORE中选取前k列作为降维后的数据，保存到变量 pcaData 中。

        12.绘制前三个主成分分量的三维散点图，横轴、纵轴和纵深轴分别表示第一、二和第三个主成分分量。绘制前三个主成分空间分布图，使用scatter3函数。

        13.绘制经过PCA降维后的数据的前三列的折线图，使用plot函数。

图2  main.m主函数文件部分代码

1.2.2 数据集文件

数据集为Excel数据csv或xlsx格式文件，可以方便地直接替换为自己的数据运行程序。原始数据文件包含7列特征列数据，一共包含103条样本数据，具体如图所示。

二、代码运行结果展示

        这段MATLAB代码的作用是读取数据集并进行主成分分析（PCA）降维处理，以实现数据的降维和可视化。

        首先，它从Excel文件中读取数据，并对数据进行归一化处理。然后，通过PCA分析计算数据的主成分分量和特征值，并绘制特征值累计贡献度的图表，帮助确定主成分的数量。接着，根据确定的主成分数量，将数据进行降维，得到经过PCA处理后的数据。最后，代码通过绘制三维散点图和前三个主成分的折线图，将降维后的数据在空间中可视化展示，帮助分析数据的分布和特点。

 

 

三、注意事项:

1.程序运行软件推荐Matlab 2018B版本及以上；

2.所有程序都经过验证，保证程序可以运行。此外程序包含简要注释，便于理解。

3.代码包含详细的文件说明，以及对每个程序文件的功能注释，说明详细清楚。

4.Excel数据，可直接修改数据，替换数据后直接运行即可。

5.如果不会运行，可以帮忙远程运行原始程序以及讲解和其它售后。