主成份分析的matlab程序 出错了

summer

对输入进行主成份分析的过程中，我遇到了这样的难题：
  利用原数据进行实验，结果还可以接受，如果利用主成份分析后取样本，结果就变的不靠谱，我猜想是主成份分析出现了错误，现将主成份分析的matlab 代码拷出，希望能得到大家的指点。


X=load('data.txt');               
%==========求标准化后的协差矩阵,再求特征根和特征向量=================
%标准化处理
[p,n]=size(X);
for j=1:n
    mju(j)=mean(X(:,j));  %平均值
    sigma(j)=sqrt(cov(X(:,j)));  % cov( )是协方差的意思
end
for i=1:p
    for j=1:n
        Y(i,j)=(X(i,j)-mju(j))/sigma(j);
    end
end  
sigmaY=cov(Y);   %样本相关系数矩阵(相当于下例中的 R=corrcoef(X))
%求X标准化的协差矩阵的特征根和特征向量
[T,lambda]=eig(sigmaY);
disp('特征根(由小到大):');
disp(lambda);
disp('特征向量:');
disp(T);
%方差贡献率;累计方差贡献率
Xsum=sum(sum(lambda,2),1);
for i=1:n
    fai(i)=lambda(i,i)/Sxum;
end
for i=1:n
    psai(i)= sum(sum(lambda(1:i,1:i),2),1)/Sxum;
end
disp('方差贡献率:');
disp(fai);
disp('累计方差贡献率:');
disp(psai);      
Y=TT*X;(TT为T中累计贡献率超过90%的一部分)

2365215

你自己都是猜的，别人怎么帮你看呢？

summer

什么意思？  我要是知道错在哪  还用猜想吗？

frogfish

主成分分析为什么不用现成的函数呢？

1.princomp
    功能：主成分分析
    格式：PC=princomp(X)
              [PC,SCORE,latent,tsquare]=princomp(X)
    说明：[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析，给出各主成分
   (PC)、所谓的Z-得分(SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计
   量(tsquare)。

2.pcacov
    功能：运用协方差矩阵进行主成分分析
    格式：PC=pcacov(X)
              [PC,latent,explained]=pcacov(X)
    说明：[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析，返回主成分(PC)、协方
   差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。

3.pcares
    功能：主成分分析的残差
    格式：residuals=pcares(X,ndim)
    说明：pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意，ndim是一个标量，必须小于X
   的列数。而且，X是数据矩阵，而不是协方差矩阵。

4.barttest
    功能：主成分的巴特力特检验
    格式：ndim=barttest(X,alpha)
              [ndim,prob,chisquare]=barttest(X,alpha)
    说明：巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下，给出
满足数据矩阵X的非随机变量的n维模型，ndim即模型维数，它由一系列假设检验所确定，ndim=1表
明数据X对应于每个主成分的方差是相同的；ndim=2表明数据X对应于第二成分及其余成分的方差是
相同的。

summer

也对 试试看

515825903931

知之甚少，看来还得多学习

lovegirlmeijie

楼上所说的这些函数是在专门的工具箱中么？请指教！另外我想问一下，就是主成分分析中怎样设定主成分的个数问题？谢谢！