MATLAB 主成分分析 (PCA) 代码示例

% 生成一个示例数据集 data = randn(100, 4);

% 计算数据集的均值 mu = mean(data);

% 将数据集中心化 data_centered = data - mu;

% 计算数据集的协方差矩阵 covariance = cov(data_centered);

% 计算协方差矩阵的特征向量和特征值 [eigenvectors, eigenvalues] = eig(covariance);

% 将特征向量按照对应的特征值从大到小排序 [~, order] = sort(diag(eigenvalues), 'descend'); eigenvectors_sorted = eigenvectors(:, order);

% 计算主成分分析得到的新数据集 pc_scores = data_centered * eigenvectors_sorted;

% 绘制原始数据集和主成分分析得到的新数据集的散点图 scatter(data(:,1), data(:,2), 'filled'); hold on; scatter(pc_scores(:,1), pc_scores(:,2), 'filled'); xlabel('Variable 1'); ylabel('Variable 2'); legend('Original Data', 'PC Scores');