机器学习主成分分析与奇异值分解

对统计数据进行主成分分析的软件有很多很多，这里不一一列举，在这里介绍一种用MATLAB软件来实现主成分分析这一方法，提供相应的代码。

主成分分析具有几个性质和特点： (1)主成分分析的数据变换前后的方差总和不变。只是把原来的方差不等量地再分配到新的主成分波段影像令； (2)第一主成分包含了多波段影像信息的绝大部分，其余主成分信息含量依次减少； (3)各主成分的相关系数为零，即各主成分所含的信息内容不同； (4)第一主成分相当于原来各波段的加权和，反映了地物总的反射或辐射强度；其余各主成分相当于不同波段组合的加权差值影像； (5)第一主成分降低了噪声，有利于细部特征的增强和分析； (6)对于有些特殊异常的专题信息，往往通过主成分分析后在第得到增强。

11、spss第十一章-主成分分析和因子分析.ppt

11、spss第十一章主成分分析和因子分析.ppt

主成分分析法matlab代码和文档

低秩矩阵 鲁棒主成分分析 RPCA算法研究 matlab

主成分回归代码matlab及示例R中的机器学习 这是我在机器学习期间开发的R脚本的存储库。 一些代码已从其原始Matlab实现中进行了改编并转换为R。 分类 欧几里得（euclidean_classifier） Mahalanobis（mahalanobis_classifier） 感知器（perceptron_classifier） 在线感知器（online_perceptron_classifier） Sum-Squared错误（sse_classifier） 回归 绘制数据和（regression_plot） 绘制回归决策边界（regression_boundary） 通用回归包装函数（regression_optimize） 线性回归 线性回归成本函数和梯度（lr_cost） 线性回归梯度下降（lr_gradientdescent） 逻辑回归 Logistic回归成本函数和梯度（logr_cost） 逻辑回归优化器（logr_optimize） 预测（logr_predict） Softmax回归 Softmax回归成本函数和梯度（softmax_cost） Softmax回归

FastICA算法的matlab程序。ICA 算法的研究可分为基于信息论准则的迭代估计方法和基于统计学的代数方法两大类，从原理上来说，它们都是利用了源信号的独立性和非高斯性。

多元统计：第九章 主成分分析.ppt