第一步：下载数据集。
https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/multiclass.html#pendigits
第二步：改变数据格式。
注：此数据集的各特征值均为像素，即属于同一量纲，故无需归一化步骤。
原格式为：8 1:88 2:92 3:2 4:99 5:16 6:66 7:94 8:37 9:70 12:24 13:42 14:65 15:100 16:100
改为：88 92 2 99 16 66 94 37 70 0 0 24 42 65 100 100 8
Java代码：
public class dataformat {public static void main(String[] args) throws IOException{String filename = "pendigits.t";String outfilename = "pendigits";int demension = 16;try(Scanner in = new Scanner(new FileInputStream(filename));PrintWriter out = new PrintWriter(outfilename)){String line;while( in.hasNextLine()){line = in.nextLine();//按空格将数据切分String[] subComponent = line.trim().split(" ");//data用于记录对应维度下的特征值String[] data = new String[demension];//第0个是类标，所以从1开始，构造样例的全部特征值for (int i = 1; i < subComponent.length; ++i){String[] kv = subComponent[i].trim().split(":");//将对应维度下的特征值赋值。data[Integer.parseInt(kv[0])-1] = kv[1];}//sb用来构造一行样例StringBuilder sb = new StringBuilder();for (int i = 0; i < demension; ++i){if (data[i] != null)sb.append(data[i]+" ");elsesb.append("0 "); //如果对应维度下的字符串为null，说明为0值。}sb.append(subComponent[0].trim());//末尾加类标out.println(sb.toString());//写文件}}}}
第三步：Matlab作图。
将处理好的文件pendigits加入MATLAB路径；
新建脚本pcaVisual.m，代码如下：
load pendigits; % 加载数据集，前提是pendigits文件在MATLAB路径下[m,n]=size(pendigits); % 获得pendigts的行数m，列数n[pc, score, latent, tsquare]=pca(pendigits(:,1:n-1));% pca是主成分分析算法，参数是需要降维的矩阵pendigits(:,1:n-1)——除去类标列。% 返回的结果：% pc是(n-1)*(n-1)系数矩阵，用它将pendigits(:,1:n-1)转换为score% score是转换之后的特征值，大小为m*(n-1)，按latent降序排列，按需取前k列，此处我们只需取前三列。% latent：是一维列向量，大小为(n-1)*1，每一个数据是对应score里相应维的贡献率，降序排列plot3(0,0,0); % plot(0,0)可用于展示2维图形，但用旋转按钮进行拖动的话，可以看到，其实际就是3维。hold on;% 根据样例的列表来画图for i=1:mswitch pendigits(i,n)case 0plot3(score(i,1),score(i,2),score(i,3),'y*');case 1plot3(score(i,1),score(i,2),score(i,3),'m*');case 2plot3(score(i,1),score(i,2),score(i,3),'c*');case 3plot3(score(i,1),score(i,2),score(i,3),'r*');case 4plot3(score(i,1),score(i,2),score(i,3),'g*');case 5plot3(score(i,1),score(i,2),score(i,3),'b*');case 6plot3(score(i,1),score(i,2),score(i,3),'w*');case 7plot3(score(i,1),score(i,2),score(i,3),'k*');case 8plot3(score(i,1),score(i,2),score(i,3),'kd');otherwiseplot3(score(i,1),score(i,2),score(i,3),'kv');endend
三维立体图：
点击箭头所指按钮可以三维旋转来观察其结构。
二维平面图：
如果觉得《主成分分析法 (PCA) 用于数据可视化实验 -- Matlab版》对你有帮助，请点赞、收藏，并留下你的观点哦！
