我有一组100观察，其中每个观察具有45个特征。每一个观察结果都有一个标签，我想根据这45个特征来预测。所以它是一个尺寸为45 x 100的输入矩阵和尺寸为1 x 100的目标矩阵。
问题是我想知道这45个特征中有多少与我的数据集相关，基本上是委托人组件分析，我知道我可以用Matlab函数processpca来做到这一点。
你能告诉我我该怎么做？假设输入矩阵是具有45行和100列的x，并且y是具有100个元素的向量。Matlab问题 - 主成分分析
假设您想要构建基于45x100矩阵的1x100向量模型，我不相信PCA会按照您的想法进行操作。 PCA可用于选择模型估计的变量，但这是收集一组模型特征的一种间接方式。无论如何，我建议您阅读这两种：
和...
...这两者在MATLAB提供代码不需要任何的工具箱。
COEFF = princomp(X)执行对 n乘p个数据矩阵X主 成分分析（PCA），并返回 主分量系数，也 称为负荷。行X对应于观察值，列为 变量。COEFF是一个p-by-p矩阵，每个列包含一个主要组件的系数 。 列按组件方差递减。
从你的问题我推断你不需要在MATLAB中做，但你只是想分析你的数据集。根据我的观点，关键是可视化依赖关系。
如果你不是被迫在MATLAB中进行分析，我建议你尝试更专门的软件，比如WEKA（www.cs.waikato.ac.nz/ml/weka/）或RapidMiner（rapid-i .COM）。这两种工具都可以提供PCA和其他降维算法+它们包含很好的可视化工具。
您的使用案例听起来像分类和特征选择的组合。
统计工具箱在这方面提供了很多很好的功能。该工具箱提供访问多项分类算法包括
您还有多种选项可用于功能选择，包括
个或者，您可以使用一些Optimization Toolbox的功能来编写自己的自定义方程来估计变量的重要性。
一对夫妇回来后，我为The MathWorks举办了题为“计算统计：使用MTALAB入门分类”的网络研讨会。您可以在
http://www.mathworks.com/company/events/webinars/wbnr51468.html?id=51468&p1=772996255&p2=772996273
码表的网络研讨会和数据的例子设置可在MATLAB中心
http://www.mathworks.com/matlabcentral/fileexchange/28770
随着使用主成分这一切说和做，很多人在应用分类算法之前作为预处理步骤进行分析。 PCA被使用了很多
你应该找到相关矩阵从图像
http://www.mathworks.com/help/stats/feature-transformation.html#f75476
@大卫赫弗南：这是对我见过的SO，但最模糊的评论。 @Jack：R在语法上类似于Matlab。如果你想走那条路线，你可以看看http://www.uga.edu/strata/software/pdf/pcaTutorial.pdf。 – aqua 2011-02-10 20:44:10
是啊，R的PCA想要什么 – 2011-02-10 20:45:19
@David Heffernan：Matlab的主成分分析代码缺乏那么多，以至于有一个*有*可以切换到R以获得不错的结果？ – Jonas 2011-02-10 21:17:39