MATLAB 对iris数据集进行PCA

matlab PCA的m文件。数据集Iris是常用的分类实验数据集，由Fisher, 1936收集整理。 CSDN上原来有一个arff格式的鸢尾花数据集，不方便matlab直接调用。 我的这个数据集是txt格式的，在matlab下可以直接一句命令“load('iris.txt')”加载。 iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。 该数据集包含了5个属性： & Sepal.Length（花萼长度），单位是cm; & Sepal.Width（花萼宽度），单位是cm; & Petal.Length（花瓣长度），单位是cm; & Petal.Width（花瓣宽度），单位是cm; & 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾

% data loading
clear; clc;
[a1 a2 a3 a4 lab] = textread（‘iris.txt‘‘%f%f%f%f%s‘‘delimiter‘ ‘‘）;
X = [a1‘; a2‘; a3‘; a4‘]‘;
Y = zeros（150 1）;
Y（strcmp（lab ‘Iris-setosa‘））     = 1;
Y（strcmp（lab ‘Iris-versicolor‘）） = 2;
Y（strcmp（lab ‘Iris-virginica‘））  = 3;
clear a* lab;
% data division random sampling  
[N d] = size（X）;
prop = 0.7 ; % number of training samples / total samples
ntrn = round（prop*N）; ntst = N - ntrn; 
% randomly choosing 70% for training the remaining for testing
r = randperm（N）;  % randomly permutation
idxtrn = r（1:ntrn）; idxtst = r（ntrn+1:N）;
XTrn = X（idxtrn:）; YTrn = Y（idxtrn）;
XTst = X（idxtst:）; YTst = Y（idxtst）;
% data normalization here using mean-centering
XTrnm = XTrn - ones（ntrn1）*mean（XTrn）;
XTstm  = XTst - ones（ntst1）*mean（XTrn）;
% PCA eigenvector
C = XTrnm‘*XTrnm/ntrn; % covariate matrix
[V D] = eig（C） ; % eigen-decomposition
D = diag（D）; [sorted idx] = sort（D‘descend‘）;
D = D（idx）; V = V（: