主要内容

PCACOV.

协方差矩阵的主要成分分析

在页面上崩溃

句法

coeff = pcacov（v）
[Coeff，潜在] = PCACOV（v）
[多项式系数,潜伏,解释]= pcacov (V)

描述

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。

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.。

例子

[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.。

例子

[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。

例子

全部收缩

打开生活的脚本

从中创建协方差矩阵hal数据集。

加载halCovx = COV（成分）;

执行主成分分析Covx.多变的。

[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％。

输入参数

全部收缩

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

输出参数

全部收缩

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.。

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）。

参考文献

[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。

扩展能力

也可以看看

||||

之前介绍过的R2006a

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书