PCA (Principial Component Analysis)
Principal Component Analysis Implementation of LindsaySmithPCA.pdf
Ahora está siguiendo esta publicación
- Verá actualizaciones en las notificaciones de contenido en seguimiento.
- Podrá recibir correos electrónicos, en función de las preferencias de comunicación que haya establecido.
- Subtracting the mean of the data from the original dataset
- Finding the covariance matrix of the dataset
- Finding the eigenvector(s) associated with the greatest eigenvalue(s)
- Projecting the original dataset on the eigenvector(s)
- Use only a certain number of the eigenvector(s)
- Do back-project to the original basis vectors
Implementation of
http://www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf
"A tutorial on Principial Component Analysis"
Citar como
Andreas (2026). PCA (Principial Component Analysis) (https://es.mathworks.com/matlabcentral/fileexchange/26793-pca-principial-component-analysis), MATLAB Central File Exchange. Recuperado .
Agradecimientos
Inspiración para: EOF
Categorías
Más información sobre Dimensionality Reduction and Feature Extraction en Help Center y MATLAB Answers.
Información general
- Versión 1.2.0.0 (1,48 KB)
Compatibilidad con la versión de MATLAB
- Compatible con cualquier versión
Compatibilidad con las plataformas
- Windows
- macOS
- Linux
