Question

matlab pca与princomp结果为什么不同

Answer 1

MATLAB直接用样本实现主成分分析用有多种方式，但是mathwork公司推荐(1)式，因为princomp在使用时调用的是pca，两者的计算结果一样，而且pca多一项explain，更强大。
[coeff,score,latent,tsquared,explained]= pca(X) (1)
[COEFF,SCORE,latent,tsquare] = princomp(X) (2)
解释：
X： 就是原始数据，每列是一个变量，每行是一个个案，很方便的。
coeff：就是那个Upp转化矩阵
score：最后得出的主成分的值，每一列表示一个主成分(按第一主成分到第n主成分个排列)。
latant：是各主成分对应的特征向量。
tsquare：是Hotelling's T-squared统计量，我这个水平可以不理他。
explained：是只每一个主成分解释了百分之多少的方差，是一个列向量。

Answer 2

引用芸思泉述的回答：
MATLAB直接用样本实现主成分分析用有多种方式，但是mathwork公司推荐(1)式，因为princomp在使用时调用的是pca，两者的计算结果一样，而且pca多一项explain，更强大。
[coeff,score,latent,tsquared,explained]= pca(X) (1)
[COEFF,SCORE,latent,tsquare] = princomp(X) (2)
解释：
X： 就是原始数据，每列是一个变量，每行是一个个案，很方便的。
coeff：就是那个Upp转化矩阵
score：最后得出的主成分的值，每一列表示一个主成分(按第一主成分到第n主成分个排列)。
latant：是各主成分对应的特征向量。
tsquare：是Hotelling's T-squared统计量，我这个水平可以不理他。
explained：是只每一个主成分解释了百分之多少的方差，是一个列向量。

latant是特征值吧