Matlab中PCA分数的计算答案

【问题标题】：Calculation of PCA Scores in MatlabMatlab中PCA分数的计算
【发布时间】：2021-04-16 08:43:48
【问题描述】：

我无法理解如何通过主成分分析计算分数。

如果我对矩阵 X 执行 PCA，通过：[coeff score] = pca(X)

那么应该dot(coeff(1,:) , X(1,:)) = score(1,1) ?

非常感谢任何帮助。

【问题讨论】：

Xcentered = score*coeff'，分数是特征向量。分数是 PCA 的输出，“它们是如何计算的”与“如何编程 PCA”是同一个问题
这是有道理的。非常感谢安德。您能告诉我如何将在训练集上计算的系数应用于测试集吗？
Xcentered = score*coeff'。您的score 是您“训练”的部分（PCA 是一种数学分解，我很难将其定义为机器学习工具），并且系数是您的样本所特有的。所以一个新的“测试”集（去除平均值之后）是一个新的Xcentered，所以你需要为coeff解上面的方程；）希望不会太难
优秀。谢谢安德。那么，居中总是通过减去每个变量的平均值来完成的？另外，我假设我会使用在训练集上计算的平均值？
居中是通过减去“训练”数据的平均值来完成的。平均值应与 1 个样本大小相同。使用这个意思，不要用新数据重新计算一个新的。 PCA 是一种数学分解，它在数据中寻找方差，并且均值没有方差。但是如果你改变平均值，那么你可能会引入看起来像方差的错误，但实际上并非如此。

标签： matlab pca

【解决方案1】：

这是我用来帮助任何人的代码：

[coeff,score,latent,tsquared,explained,mu] = pca(training);
testCentered = test;

for i = 1:size(testCentered,2)
    testCentered(:,i) = test(:,i)  - mean(training(:,i));  
end

testScore = testCentered*inv(coeff');

【讨论】：