pcacov
上的协方差矩阵的主成分分析
句法
COEFF = pcacov（V）
[COEFF，潜] = pcacov（V）
[COEFF，潜，解释] = pcacov（V）
描述
COEFF = pcacov（V）执行在p通过 - 对协方差矩阵的主成分分析V并返回主分量系数，也被称为负载。COEFF是p通过 - 对矩阵，用含有系数一个主分量的每一列。列是在减少部件方差顺序。
pcacov不规范V有单位的差异。对标准化变量进行主成分分析，使用相关矩阵R = V./(SD*SD'），其中SD = SQRT（DIAG（V）），到位V。直接在数据矩阵，利用执行主成分分析PCA。
[COEFF，潜] = pcacov（V）回报潜中，含有主成分方差的载体，即，特征值V。
[COEFF，潜，解释] = pcacov（V）回报解释中，含有总方差的百分比的向量通过各主成分进行说明。
例子
加载哈尔德covx = COV（成分）;[COEFF，潜，解释] = pcacov（covx）COEFF = 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= 517.7969 67.4964 12.4054 0.2372解释= 86.597411.2882 2.0747 0.0397
参考
[1]杰克逊J. E.用户指南主成分。新泽西州霍博肯市：John Wiley和Sons，1991。
[2]乔利夫，I. T.主成分分析。第二版，纽约：施普林格出版社，2002年。
[3] Krzanowski，W. J.多元统计分析原理：用户的角度。纽约：牛津大学出版社，1988年。
[4] Seber，G. A. F.，多元意见，Wiley出版社，1984年。
扩展功能
高大的数组
与具有较适合在内存中更多的行阵列计算。
pcacov和factoran做不直接在高大的数组。取而代之的是，使用C =聚（COV（X））以计算一个高大的阵列的协方差矩阵。然后，你可以使用pcacov要么factoran在内存中的协方差矩阵。另外，您也可以使用PCA直接在一个高大的阵列。
欲了解更多信息，请参阅对于超出的内存数据高大数组（MATLAB）。
R2006a前推出
您还可以选择从下面的列表中的网站：
