文件帮助中心文件
协方差矩阵的主要成分分析
coeff = pcacov(v)
[Coeff,潜在] = PCACOV(v)
[多项式系数,潜伏,解释]= pcacov (V)
例子
co= pcacov(V.的)对方协方差矩阵进行主成分分析V.并返回主成分系数,也称为加载。
co= pcacov(V.的)
co
V.
PCACOV.不规范V.有单位差异。要对标准化变量执行主成分分析,请使用相关矩阵r = v./(dsd*sd'), 在哪里sd = sqrt(diag(v)),代替V.。要直接对数据矩阵进行主成分分析,请使用PCA.。
PCACOV.
r = v./(dsd*sd')
sd = sqrt(diag(v))
PCA.
[co那潜] = pcacov(V.的)还返回包含主成分差异的矢量,这意味着特征值V.。
[co那潜] = pcacov(V.的)
潜
[co那潜那解释说明] = pcacov(V.的)另外还返回包含每个主组件解释的总方差百分比的百分比。
[co那潜那解释说明] = pcacov(V.的)
解释说明
全部收缩
从中创建协方差矩阵hal数据集。
hal
加载halCovx = COV(成分);
执行主成分分析Covx.多变的。
Covx.
[Coeff,潜在,解释] = PCACOV(COVX)
多项式系数=4×4-0.0678 -0.6460 0.5673 0.5062 -0.6785 -0.0200 -0.5440 0.4933 0.0290 0.7553 0.4036 0.5156 0.7309 -0.1085 -0.4684 0.4844
潜在的=4×1517.7969 67.4964 12.4054 0.2372
解释=4×186.5974 11.2882 2.0747 0.0397
第一个组件解释了总方差的85%。前两个组件解释了总方差的近98%。
协方差矩阵,指定为正方形,对称的正半微型矩阵。
数据类型:单身的|双倍的
单身的
双倍的
主成分系数,返回与矩阵相同的大小V.。每一列co包含一个主组件的系数。列是减少分量方差的顺序。
主成分差异,作为向量的向量等于等于尺寸(Coeff,1)。矢量潜包含特征值V.。
尺寸(Coeff,1)
每个主成分解释的总方差的百分比,返回为与尺寸相同的向量潜。参赛作品解释说明范围从0(没有解释差异)到100(解释所有方差)。
[1]杰克逊,J.E.用户指南主体组件。霍博肯,NJ:John Wiley和Sons,1991。
[2] Jolliffe,I. T.主成分分析。纽约:斯普林格出版社,2002。
[3] Krzanowski,W. J.多变量分析原则:用户的观点。纽约:牛津大学出版社,1988年。
[4] SEBER,G. A. F.多变量的观察,Wiley,1984年。
PCACOV.和factoran不要直接在高阵列上工作。相反,使用C =收集(COV(x))来计算一个高数组的协方差矩阵。然后,你可以使用PCACOV.或factoran在内存的协方差矩阵上工作。或者,您可以使用PCA.直接在一个高大的阵列上。
factoran
C =收集(COV(x))
有关更多信息,请参阅高阵列用于存储空带数据。
最终|双针|factoran|pcares|PCA.
最终
双针
pcares
您拥有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室