该软件包包含实现主成分分析（PCA）和独立成分分析（ICA）的函数。
PCA和ICA在该软件包中作为函数实现，并包含多个示例来演示它们的使用。
在主成分分析中，多维数据被投影到对应于其几个最大奇异值的奇异向量上。这样的操作有效地将单个输入分解为数据中方差最大的方向上的正交分量。因此，PCA通常用于降维应用中，在降维应用中，执行PCA会产生数据的低维表示，可以将其反转以紧密重建原始数据。
在独立分量分析中，多维数据被分解成在适当意义上最大独立的分量（本软件包中的峰度和负熵）。ICA与PCA的不同之处在于，低维信号不一定对应于最大方差的方向；相反，ICA分量具有最大的统计独立性。在实践中，ICA通常可以揭示多维数据中不相交的潜在趋势。
引用为
布赖恩·摩尔（2021）。PCA和ICA软件包(//www.tianjin-qmedu.com/matlabcentral/fileexchange/38300-pca-and-ica-package)，MATLAB中央文件交换。恢复.
