在matlab中有內建的built-in function pca降維函式:
[coeff,score,latent,tsquared,explained]=princomp(x),其中輸出score即為經過pca變換後的資料，但是預設取全部主成分，如x是100x20，其中100是樣本數，20是特徵維數，則pca變換後的score仍然為100x20。若要降維為10維，可以直接取前10列即可，或者用引數'numcomponents',10指定。
目前，princomp即將在以後的matlab版本中不再被包含，取而代之的是built-in function pca,其用法與princomp一樣，目前在matlab r2015b版本中兩者均包含。
eg:[~,score]=pca(x,'numcomponets',10);
還有內建函式pcacov直接對協方差矩陣執行pca變換。
PCA主成分分析（降維）
opencv中使用 實現降維分類預處理 參考 降維 我的理解是，通過降維得到基本特徵可以加快學習演算法。並且由於降維後的資料本身就是正交的，和聚類一樣可以實現分類 識別問題。在自我學習中也可以採用大量無標註的影象，對這些影象降維分類，並結合部分編碼資料得到特徵。例如 將很2500張人臉資訊，通過25...
降維 PCA 主成分分析
其實早該整理一下pca了，怎奈一直沒有時間，可能是自己對時間沒有把握好吧，下面進入正題。所謂降維，就是降低資料的維數。在機器學習中尤其常見，之前做過對一幅提取小波特徵，對於一幅大小為800 600的，如果每個點提取五個尺度 八個方向的特徵，那麼每乙個畫素點提取40個特徵，那麼一副的話就是40 800...
降維方法 主成分分析（PCA）
推薦一篇絕對好的文章 理解pca的數學原理 pca principle component analysis 主成分分析，主要應用於資料降維，它是一種非監督的降維方法，主要捕獲觀測資料之間的變異程度。當資料集的維度過高之後，運用各種演算法處理起來的時間複雜度可能會很高，所以需要對資料進行降維處理，而...