1

我们需要使用 PCA 找到特征向量。我们正在使用 princomp(矩阵)。它给出了主成分系数、转换数据和特征值。

对于以下数据:

2.5 2.4
0.5 0.7
2.2 2.9
1.9 2.2
3.1 3
2.3 2.7
2   1.6
1   1.1
1.5 1.6
1.1 0.9



function PCAFinder(filein)
    X = csvread(filein);

    [pc,score,latent] = princomp(X);

    pc
    transpose(pc)

end

上述代码返回的主成分系数(pc)

0.6779    0.7352
0.7352   -0.6779

要产生的实际特征向量:

   -0.7352    -0.6779
    0.6779   -0.7352

如何获得上述特征向量

4

1 回答 1

1

返回的主成分系数是数据协方差矩阵的有效特征向量矩阵。特征向量仅在正交变换之前是唯一的。有关更详细的讨论,请参阅我对较旧的 SO 问题的回答

在这种特殊情况下,获得矩阵之间完全相等的适当正交变换是将 PC 系数矩阵乘以:[0 1; -1 0]

于 2013-10-14T05:47:51.813 回答