Matlab 主成分分析 (PCA) 代码示例 - 数据降维

主成分分析 (PCA) 是一种常用的数据降维技术，可以将高维数据转换为低维数据，同时保留原始数据的大部分信息。下面是一个使用 Matlab 进行主成分分析的程序代码：

% 读取数据
data = load('data.txt');

% 标准化数据
data_norm = zscore(data);

% 计算协方差矩阵
cov_mat = cov(data_norm);

% 计算特征向量和特征值
[eig_vec, eig_val] = eig(cov_mat);

% 将特征向量按照特征值从大到小排序
[~, idx] = sort(diag(eig_val), 'descend');
eig_vec = eig_vec(:, idx);

% 计算主成分
pc = data_norm * eig_vec;

% 绘制主成分图
scatter(pc(:,1), pc(:,2));
xlabel('PC1');
ylabel('PC2');

其中，'data.txt' 是包含原始数据的文本文件，每行代表一条数据记录，每列代表一个特征。'zscore' 函数用于对数据进行标准化，使得每个特征的均值为 0，方差为 1。'cov' 函数计算协方差矩阵，'eig' 函数计算特征向量和特征值。将特征向量按照特征值从大到小排序，可以得到主成分。最后，将原始数据投影到主成分上，即可得到降维后的数据，并绘制主成分图。