Учебник по анализу основных компонентов-преобразование кода R в вопросы Matlab

Я пытаюсь понять PCA, находя практические примеры в интернете. К сожалению, большинство учебников, которые я нашел, на самом деле не показывают простых практических применений PCA. После долгих поисков я наткнулся на это

Http://yatani.jp/HCIstats/PCA

Это хороший простой учебник. Я хочу воссоздать результаты в Matlab, но учебник находится в R. Я пытался воспроизвести результаты в Matlab, но пока безуспешно; я новичок в Matlab. Я создали массивы следующим образом:

Price = [6,7,6,5,7,6,5,6,3,1,2,5,2,3,1,2];
Software = [5,3,4,7,7,4,7,5,5,3,6,7,4,5,6,3];
Aesthetics = [3,2,4,1,5,2,2,4,6,7,6,7,5,6,5,7];
Brand = [4,2,5,3,5,3,1,4,7,5,7,6,6,5,5,7];

Затем в своем примере он делает это

data <- data.frame(Price, Software, Aesthetics, Brand)

Я сделал быстрый поиск в интернете, и это, по-видимому, преобразует векторы в таблицу данных в коде R. Поэтому в Matlab я сделал это

dataTable(:,1) = Price;
dataTable(:,2) = Software;
dataTable(:,3) = Aesthetics;
dataTable(:,4) = Brand;

Теперь это следующая часть, в которой я не уверен.

pca <- princomp(data, cor=TRUE)
summary(pca, loadings=TRUE)

Я пробовал использовать функцию PCA Matlab

 [COEFF SCORE LATENT] = princomp(dataTable)

Но мои результаты совсем не совпадают с показанными в учебнике. Мои результаты

COEFF =

   -0.5958    0.3786    0.7065   -0.0511
   -0.1085    0.8343   -0.5402   -0.0210
    0.6053    0.2675    0.3179   -0.6789
    0.5166    0.2985    0.3287    0.7321


SCORE =

   -2.3362    0.0276    0.6113    0.4237
   -4.3534   -2.1268    1.4228   -0.3707
   -1.1057   -0.2406    1.7981    0.4979
   -3.6847    0.4840   -2.1400    1.0586
   -1.4218    2.9083    1.2020   -0.2952
   -3.3495   -1.3726    0.5049    0.3916
   -4.1126    0.1546   -2.4795   -1.0846
   -1.7309    0.2951    0.9293   -0.2552
    2.8169    0.5898    0.4318    0.7366
    3.7976   -2.1655   -0.2402   -1.2622
    3.3041    1.0454   -0.8148    0.7667
    1.4969    2.9845    0.7537   -0.8187
    2.3993   -1.1891   -0.3811    0.7556
    1.7836   -0.0072   -0.2255   -0.7276
    2.2613   -0.1977   -2.4966    0.0326
    4.2350   -1.1899    1.1236    0.1509


LATENT =

    9.3241
    2.2117
    1.8727
    0.5124 

Тем не менее результаты в учебнике таковы:

Importance of components:
            Comp.1    Comp.2    Comp.3     Comp.4
Standard deviation     1.5589391 0.9804092 0.6816673 0.37925777
Proportion of Variance 0.6075727 0.2403006 0.1161676 0.03595911
Cumulative Proportion  0.6075727 0.8478733 0.9640409 1.00000000

Loadings:
        Comp.1 Comp.2 Comp.3 Comp.4
Price      -0.523         0.848       
Software   -0.177  0.977 -0.120       
Aesthetics  0.597  0.134  0.295 -0.734
Brand       0.583  0.167  0.423  0.674

Не мог бы кто-нибудь объяснить, почему мои результаты так сильно отличаются от учебника. Я использую неправильную функцию Matlab?

Также, если вы в состоянии обеспечить любые другие приятные простые практические приложения PCA, было бы очень полезно. Все еще пытаясь разобраться во всех концепциях в PCA, и мне нравятся примеры, где я могу кодировать его и видеть результаты сам, поэтому я могу играть с ним, я нахожу, что это легче, когда учиться таким образом

Любая помощь была бы очень кстати. оценил!!