matlab中的princomp()和pca()區別

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。