matlab实现PCA

在Matlab中实现PCA，可以使用Matlab自带的pca函数。该函数可以对数据进行主成分分析，并返回主成分系数、方差贡献率、均值等信息。具体步骤如下：
1. 准备数据，将数据存储在一个矩阵中，每一行代表一个样本，每一列代表一个特征。
2. 对数据进行中心化处理，即将每个特征的均值减去该特征所有样本的均值。
3. 调用Matlab自带的pca函数，输入中心化后的数据矩阵，设置需要保留的主成分个数。
4. 获取返回结果，包括主成分系数、方差贡献率、均值等信息。

具体实现代码如下：

% 准备数据
data = [1, 2, 3; 4, 5, 6; 7, 8, 9];

% 中心化处理
mean_data = mean(data);
centered_data = data - repmat(mean_data, size(data, 1), 1);

% 调用pca函数
[coeff, score, latent, tsquared, explained, mu] = pca(centered_data, 'NumComponents', 2);

% 获取结果
disp('主成分系数：');
disp(coeff);
disp('方差贡献率：');
disp(explained);
disp('均值：');
disp(mu);