Я использовал следующий код для вычисления PCA:
function [signals,PC,V] = pca2(data)
[M,N] = size(data);
% subtract off the mean for each dimension
mn = mean(data,2);
data = data - repmat(mn,1,N);
% construct the matrix Y
Y = data’ / sqrt(N-1);
% SVD does it all
[u,S,PC] = svd(Y);
% calculate the variances
S = diag(S);
V = S .* S;
% project the original data
signals = PC’ * data;
Я хочу сохранить основные компоненты с максимальной дисперсией, скажем, первые 10 основных компонентов, которые способствуют максимальной дисперсии. Как мне это сделать?