matlab 主成分分析命令

Matlab 中的主成分分析命令为 `pca`，它可以用于计算数据集的主成分。具体用法如下：

[coeff, score, latent, tsquared, explained] = pca(X)

其中，输入参数 `X` 是一个大小为 m × n 的矩阵，表示有 m 个样本和 n 个特征。输出参数包括：

- `coeff`：大小为 n × n 的矩阵，表示主成分的系数矩阵。
- `score`：大小为 m × n 的矩阵，表示每个样本在主成分上的投影。
- `latent`：大小为 n × 1 的向量，表示每个主成分的方差。
- `tsquared`：大小为 m × 1 的向量，表示每个样本的 Hotelling's T2 统计量。
- `explained`：大小为 n × 1 的向量，表示每个主成分的方差贡献率。

例如，下面的代码演示了如何使用 `pca` 命令进行主成分分析：

load fisheriris
[coeff, score, latent, tsquared, explained] = pca(meas);

这里加载了一个经典数据集 `fisheriris`，它包含了 150 个鸢尾花的测量数据，共有 4 个特征（萼片长度、萼片宽度、花瓣长度和花瓣宽度）。然后，使用 `pca` 命令对这些数据进行主成分分析，得到了主成分的系数、每个样本在主成分上的投影、每个主成分的方差、每个样本的 Hotelling's T2 统计量和每个主成分的方差贡献率。