%% 清空环境变量

warning off % 关闭报警信息

close all % 关闭开启的图窗

clear % 清空变量

clc % 清空命令行

%% 导入数据

res = xlsread('数据集.xlsx');

%% 参数设置

P_train=res(:,1:end-1)';

%% 数据归一化

[p_train, ps_input] = mapminmax(P_train, 0, 1);

%% 矩阵转置

p_train = p_train';

%% 参数设置

para = 2; % 核函数参数

dim = 8; % 降维后维度

%% 降维

[zes, ~, kes] = kPCA(p_train, dim, 'poly', para);

%% 贡献率

Vars = kes(1: dim) / sum(kes);

%% 降维后各特征的信息占比

figure

bar(Vars)

legend('降维后特征信息占比')

xlabel('特征')

ylabel('信息占比')

string = {'降维后信息的特征占比'};

title(string)

grid

%% 重新安排数据

res = [zes';res(:,end)']';

%% 分析数据

num_class = length(unique(res(:, end))); % 类别数（Excel最后一列放类别）

num_res = size(res, 1); % 样本数（每一行，是一个样本）

num_size = 0.7; % 训练集占数据集的比例

res = res(randperm(num_res), :); % 打乱数据集（不打乱数据时，注释该行）

flag_conusion = 1; % 标志位为1，打开混淆矩阵（要求2018版本及以上）

outdim = 1; % 最后一列为输出

f_ = size(res, 2) - outdim; % 输入特征维度