标签：
简单的主成分分析。第一次见识PCA，我的认识是，尽量用更少的维度来描述数据，以达到理想(虽不是最好，但是‘‘性价比‘‘最高)的效果。
%% 主成分分析降维 clear; % 参数初始化 inputfile = ‘F:\Techonolgoy\MATLAB\file\MTALAB数据分析与挖掘实战\Datasets\chapter4\chapter4\示例程序\data\principal_component.xls‘; outputfile = ‘F:\Techonolgoy\MATLAB\file\MTALAB数据分析与挖掘实战\4\dimention_reducted.xls‘; proporition = 0.95; %% 数据读取 [num,~] = xlsread(inputfile); %% 主成分分析 [coeff,~,latent] = pca(num); %coeff每列为特征向量，latent为对应特征值 %% 计算累计贡献度，确认维度 sum_latent = cumsum(latent/sum(latent)); % 累计贡献率 dimension = find(sum_latent>proporition); dimension = dimension(1); %% 降维 data = num*coeff(:,1:dimension); xlswrite(outputfile,data); disp(‘主成分特征根：‘); disp(latent‘); disp(‘主成分单位特征向量：‘); disp(‘累计贡献率‘); disp(sum_latent‘); disp([‘主成分分析完成，降维后的数据在‘ outputfile]) %哈里路亚 load handel sound(y,Fs)
还有，运行到最后会播放一段振奋人心的歌曲哈！
标签：
原文地址：http://www.cnblogs.com/buzhizhitong/p/5877738.html
