PCA降维代码带绘图matlab

下面是一个简单的PCA降维的MATLAB代码，包括数据预处理、协方差矩阵计算、特征值和特征向量计算、降维和绘图等步骤：

% 加载数据
data = load('data.txt');

% 数据预处理，均值归一化
[X, mu, sigma] = featureNormalize(data);

% 计算协方差矩阵
Sigma = 1/size(X, 1) * X' * X;

% 计算特征值和特征向量
[U, S, V] = svd(Sigma);
U_reduce = U(:, 1:2); % 选择前两个主成分

% 降维
Z = X * U_reduce;

% 绘图
plot(Z(:,1), Z(:,2), 'o');
xlabel('Principal Component 1');
ylabel('Principal Component 2');

其中，`featureNormalize`函数用于数据预处理，将数据进行均值归一化：

function [X_norm, mu, sigma] = featureNormalize(X)
% 归一化数据
mu = mean(X);
X_norm = bsxfun(@minus, X, mu);

sigma = std(X_norm);
X_norm = bsxfun(@rdivide, X_norm, sigma);
end

需要注意的是，在使用`svd`函数计算特征值和特征向量时，要将协方差矩阵作为输入参数，并且取前k个主成分时，只需要选取前k个特征向量即可。