參考博客
matlab自帶的實現方式
[COEFF,SCORE,latent,tsquare] = princomp(X)
在n行p列的數據集X上做主成分分析。X的每行表示一個樣本的觀測值，每一列表示特徵變量。COEFF是一個p行p列的矩陣，每一列包含一個主成分的係數，列是按主成分變量遞減順序排列。(COEFF是X矩陣所對應的協方差陣V的所有特徵向量組成的矩陣，即變換矩陣或稱投影矩陣，COEFF每列對應一個特徵值的特徵向量，列的排列順序是按特徵值的大小遞減排序)
返回的SCORE是對主分的打分，也就是說原X矩陣在主成分空間的表示。SCORE每行對應樣本觀測值，每列對應一個主成份(變量)，它的行和列的數目和X的行列數目相同。
我們要的是由函數[pc,score,latent,tsquare] = princomp(ingredients)它所產生的pc和latent。由latent可以算出降維後的空間所能表示原空間的程度，只要這個累積的值大於95%就行了。
cumsum(latent)./sum(latent)
ans = 0.86597
0.97886
0.9996
1
%由以上ans值可以看出前兩個主成分就能表示原空間的97.886%,所以取pc中的前兩列可
%做主成分變換矩陣tranMatrix = pc(:,1:2)。則從原來的4維空間降到2維空間。
%對任意一個原空間樣本,例如a=(7 ,26 ,6 ,60)變到低維空間的表達式爲a1 = a*tranMatrix。
%(當然你也可以取pc中的前三列，由原來的4維空間變到3維空間)