如何选择主要组件的数量？

Question

我使用PCA算法来减少维度。这是我在MATLAB中进行降维的代码：

%Definition of Input Data Matrix
X=[2 13 4 5 4;
   5 14 2 8 5;
   7 8 14 9 8;
   16 5 8 9 22;
   13 24 25 4 44]

% Calculation of Covarian Matrix.
covmat=cov(X)

%Caculation of Eigenvalues and Eigenvectors
eigval=eig(covmat)
[eigvec,D]=eig(covmat)

% Sorting of EigenValues and EigenVectors
[eigval,index]=sort(eigval,'descend');
eigvec=eigvec(:,index);
W=eigvec;

%new data by EigenVectors
T=X*W;

%dimension reduction N=your value
TN=X*W(:,1:N);

在最后一行中，我们必须将N设置为所需的维度数。 PCA试图最小化平均投影误差，数据的总变化可以定义为数据的平均值，表示训练样例离原点有多远。

通常，我们选择N来满足以下条件：

如何在matlab中计算这个值来定义N？

有关PCA的更多信息，请访问here.