matlab2016b中利用PCA原理做降維的是princomp(),2017版本不清楚,由於實驗需要,將2016b卸載了,換成了2018b然後這行語句就報錯了,說princomp()已經沒了,讓我用pca替換。
但是替換後,有一個問題就是當原始數組裏面存在很多列0時,pca自動返回前10個主成分而不是所有的。
利用princomp()的維度結果,C爲原始數據集
% C:11*467(維度)
[COEFF,SCORE,LATENT]= princomp(C);
%COEFF:467*467,各個主成分
%SCPRE:11*467,主成分上的投影
%LATENT:467*1,各個特徵值
利用pca()的維度結果,如下:
% C:11*467(維度)
[COEFF,SCORE,LATENT]= pca(C);
%COEFF:467*10,各個主成分
%SCPRE:11*10,主成分上的投影
%LATENT:10*1,各個特徵值
這樣的結果就是,前10個特徵值對應的降維之後的主成分不在全部成分的95%以上,因此需要將pca()做一些改變。
參考了:https://blog.csdn.net/qq_25800311/article/details/83385029
上面這篇博客,
改成:
[COEFF,SCORE,LATENT]=pca(C,'economy', false);
就和princomp()相同了。pca()參數設置,詳見上面的博客。