情节主要成分

，我们有以下命令来分析虹膜数据情节主要成分

load fisheriris 
gscatter(meas(:,1), meas(:,2), species,'rgb'); hold on 
gscatter(meas(:,3), meas(:,4), species,'rgb');hold on 
xlabel('Sepal length'); 
ylabel('Sepal width'); 


[pc,score,latent,tsquare] = princomp(meas); 
pc,latent 
cumsum(latent)./sum(latent)

，我们得到结果

pc = 

    0.3614 0.6566 -0.5820 0.3155 
    -0.0845 0.7302 0.5979 -0.3197 
    0.8567 -0.1734 0.0762 -0.4798 
    0.3583 -0.0755 0.5458 0.7537 


latent = 

    4.2282 
    0.2427 
    0.0782 
    0.0238 


ans = 

    0.9246 
    0.9777 
    0.9948 
    1.0000

，我们也推测

enter image description here

我们任务是

请通过绘制前两个主成分的计划中关于三个类别的三种颜色的数据投影来显示。

我们可以通过

x=pc(:,1); 
y=pc(:,2);

先打电话双组份但什么阴谋，请帮我

来源

2014-01-13 dato datuashvili

的预计数据到在score变量返回的主成分，因此剧情根本？

gscatter(score(:,1), score(:,2), species, [], [], [], 'on', 'PC1', 'PC2') 
title('Projected Iris data'), grid on

使用当然你可以 perform the PCA yourself的

要么EIG或SVD：

X = meas; 
X = bsxfun(@minus, X, mean(X)); % zero-centered data 
[~,S,V] = svd(X,0);    % singular value decomposition 

[S,ord] = sort(diag(S), 'descend'); 
pc = V(:,ord);     % principle components 
latent = S.^2 ./ (size(X,1)-1) % variance explained 
score = X*pc;      % projected data

projected_data

来源

2014-01-13 15:49:02 Amro

所以它满足这些条件吗？请通过绘制前两个主成分的计划中关于三个类别的三种颜色的数据投影来显示。 –

@datodatuashvili：是的 – Amro

非常感谢你 –

情节主要成分

回答

相关问题