例如,我有9個變量和362個案例。我做了PCA計算,發現前3個PCA座標對我來說已經足夠了。 現在,我在我的9維結構中有了新的觀點,並且我想將它投影到主成分系統座標上。如何獲得新的座標? %# here is data (362x9)
load SomeData
[W, Y] = pca(data, 'VariableWeights', 'variance', 'Centered', tru
我有兩個不同大小的矩陣。讓我們將矩陣{a}定義爲(1:10)10 x 1>,矩陣{b}定義爲b(6:10)< 5 x 1>。我需要一個for循環或等價的(bsxfun),它可以得到矩陣{a}和{b}之間的區別,代碼將根據矩陣{b}的大小迭代。例如,矩陣{a}的第一個值是1,代碼將得到所有矩陣{b}值的差異。所以它會共運行5次。矩陣{a}的下一個值是2,代碼將迭代5次。該代碼將迭代,直到矩陣年底{A
我想實現this紙(對不起,我無法發佈它)最小二乘法圓擬合。通過計算幾何誤差作爲特定點(Xi)和圓上對應點(Xi')之間的歐式距離(Xi''),我們可以擬合一個圓。我們有三個參數:Xc(座標圓心的矢量)和R(半徑)。 我想出了下面的MATLAB代碼(注意,我試圖將圓,不是球,因爲它是在圖像顯示): function [ circle ] = fit_circle(X)
% Kör par