我已经计算了图像数据集的颜色描述符，并生成了152×320矩阵（152个样本和320个特征） . 我想使用PCA来减少图像描述符空间的维度 . 我知道我可以使用Matlab PCA内置函数来实现它，但是我刚刚开始学习这个概念，我想在没有内置函数的情况下实现Matlab代码，这样我就可以清楚地了解函数的工作原理 . 我试图找到如何在网上做到这一点，但我能找到的只是PCA的一般概念或内置函数的实现，而没有清楚地解释它是如何工作的 . 任何人都可以帮我一步一步的说明或链接，可以解释如何实现PCA减少维数的简单方法 . 我之所以如此困惑的原因是因为PCA和实现它的方法有很多用途，我读的越多，我就越困惑 .
1 回答
PCA基本上是采用数据的主要特征向量（或者更好的是它们对协方差矩阵的主要特征向量的投影） .
你能做的就是使用SVD (Singular Value Decomposition) .
要在这里模仿MATLAB的pca() function你应该做什么：
居中所有功能（数据的每列应为零均值） .
在数据上应用svd() function .
使用V矩阵（其列）作为向量来投影数据 . 根据您想要拥有的数据的维度选择要使用的列数 .
预计的数据现在是您新的降维数据 .