主成分分析matlab代码.rar

主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。

function [out1 out2 out3 out4]=pca（Xn）%out1相关系数矩阵特征值，out2相关系数矩阵，out3各主成分，out4累计贡献率，X数据矩阵，n前n个主成分；


X=[3 39152 8341 16.6 550654 663545;
 2 21410 5246 18.7 339561 451235;
2  11545 3915 18.16 91484 110692; 
35 329483 76264 20.4 1429259 2038912;
3 31641 7327 19.21 992409 1027253;
1 4796 1412 21.8 1193750 521542;
7 67413 16451 18.7 359100 1435121;
5 19226 4961 18.9 1350277 1687144;
2 34462 9124 18.5 429389 612462;
6 53992 12098 17.1 964210 1272537;
2 18334 4399 15.8 557704 778854; 
3 22405 8021 15.8 790380 1011777;
2 2576 10162 15.4 1077366 1688725;
];

%X=[-0.302296872642583-0.137604475176625-0.559042063626985-0.541288899915977-0.680733029813959;-0.417880971005924-0.352730154904331-0.590465901466302-0.541270971838351-1.17343280800857;-0.417880971005924-0.472345464932164-0.603979674701885-0.541275581915455-1.75245476930138;3.396394274984323.382723206089550.130586801497386-0.5412564586326541.36996731847175;-0.302296872642583-0.228677013810082-0.569337304844777-0.5412666178766420.350341380594531;-0.533465069369264-0.554178584788003-0.629392878615233-0.5412445065809030.820279588121454;0.1600395208107790.205066409435295-0.476700440080342-0.541270971838351-1.12782797522802;-0.0711286759159019-0.379211638644907-0.593359534352960-0.5412692644023861.18562006924336;-0.417880971005924-0.194471763978504-0.551092188012062-0.541272679274315-0.963770546940388;0.04445542244743880.0423338117785746-0.520896875012344-0.5412846313260660.284523750235828;-0.417880971005924-0.390027336216608-0.599065575343491-0.541295729659834-0.664278038713960;-0.302296872642583-0.340665559518858-0.562291054938320-0.541295729659834-0.121202647340448;-0.417880971005924-0.581096576502325-0.540553272445920-0.5412991445317630.548634526535322];
n=6;
m=size（X）;
 
a=sum（X）/m（1）;
 
for i=1:m（1）;
 
for j=i:m（2）;
 
R（ij）=sum（（X（:i）-a（i））.*（X（:j）-a（j）））./（sum（（X（:i）-a（i））.^2）*sum（（X（:j）-a（j））.^2））.^0.5;
 
end
 
end
 
for i=1:m（2）;
 
for j=1:i-1;
 
R（ij）=R（ji） ; 
end
 
end
 
[xd]=eig（R）;
 
out1=sort（d（d~=0）‘descend‘）;
 
for i=1:m（2）
 
out2（:i）=x（:m（2）+1-i）;
 
end
 
out3=zeros（m（1）m（2））;
 
for i=1:m（2）
 
for j=1:m（2）
 
out3（:i）=out3（:i）+out2（ji）*X（:j）;
 
end
 
end
 
b=out1./sum（out1）;
 
out4=sum（b（1:n））;
 
bar（b（1:n））;
 
hold on;
 
for i=1:n
 
out5（i）=sum（b（1:i））;
 
end
 
plot（1:nout5）;
 
legend（‘各成分贡献率‘‘前n个主成分累计贡献率‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2668  2019-07-11 10:52  pca22.m

     文件       1384  2019-07-11 10:52  pcawei.m

     文件       2518  2019-07-11 10:52  pca.m

----------- ---------  ---------- -----  ----

                 6570                    3