führt eine 2D-Hauptkomponentenanalyse (englisch 'principal components transform', Abkürzung: PCA) durch und visualisiert das Ergebnis.
PCAScatterPlot(Samples, Color, Marker)
Matrix, die Beispielvektoren als Zeilen enthält
Zeichenkette, gibt die Farbe der Marker an, kann 'r' (rot), 'y' (gelb), 'g' (grün), 'c' (türkis), 'b' (blau), 'm' (magenta) oder 'k' (schwarz) sein
Zeichenkette, die angibt, welches Zeichen als Marker verwendet wird, kann '.' (Punkt), 'o' (Kreis), '+' (Plus), '*' (Stern) oder 'x' (Kreuz) sein
This function applies a 2D principal component analysis (PCA) to the rows of Samples. All samples are projected to the plane spanned by the 1st and 2nd principal components.
Harald Galda, 'Development of a segmentation method for dermoscopic images based on color clustering', Kobe University, August 2003