关于PCA in R？

我用插入符包中的R预处理数据，如：关于PCA in R？

> trans <- preProcess(data, method = "pca"). 
> transformedData <- predict(trans, data)

这里是我的问题，即在预测对原始数据的名字被错过后，但电脑的列表。我如何找到这些PC与我的原始预测变量之间的关系，我知道，这些预测变量有一些负载或系数。

有人能给我一个提示，更好地使用脱字符号方法。谢谢！

来源

2013-11-22 i3wangyi

你在问什么？什么是PC的？你看过biplot以及每台电脑有多少变化？ – cianius

我不是很熟悉插入符号，但是不能使用princomp或prcomp？

例如：

# some random data 
x <-data.frame(a=1:25+rnorm(25), 
       b=3:27+rnorm(25,mean=1), 
       c=25:1 + rnorm(25,mean=2,sd=2)) 
pca <- prcomp(x, retx = TRUE, center = TRUE, scale. = TRUE) 
transformedData <- pca$x 
loadings  <- pca$rotation 
eigenvalues  <- pca$sdev

也可参阅"5 functions to do Principal Components Analysis in R"这一资源。

来源

2013-11-22 18:39:08 jlhoward

我不确定我是否理解你的问题100％，但我猜你有一个缺少名称的数据集，并且你想快速确定变量之间的关系（线性也许），确定'主成分'？

这是一个非常棒的cross validated post向您展示了一些关于PCA和SVD的知识。

这里是你展示它是如何工作使用prcomp功能很简单的例子：

>library(ggplot2) 
>data(mpg) 
>data <- mpg[,c("displ", "year", "cyl", "cty", "hwy")] 
# get the numeric columns only for this easy demo 
>prcomp(data, scale=TRUE) 

Standard deviations: 
    [1] 1.8758132 1.0069712 0.5971261 0.2658375 0.2002613 

Rotation: 
    PC1   PC2  PC3   PC4   PC5 
displ 0.49818034 -0.07540283 0.4897111 0.70386376 -0.10435326 
year 0.06047629 -0.98055060 -0.1846807 -0.01604536 0.02233245 
cyl 0.49820578 -0.04868461 0.5028416 -0.68062021 0.18255766 
cty -0.50575849 -0.09911736 0.4348234 0.15195854 0.72264881 
hwy -0.49412379 -0.14366800 0.5330619 -0.13410105 -0.65807527

这里是你如何解释结果：

（1）标准差，这是对角线当应用奇异值分解时，矩阵位于中间。解释每个“主要组件”有多少差异？ /层/透明度解释矩阵的整体方差。例如，

70 % = 1.8758132^2/(1.8758132^2 + 1.0069712^2 + 0.5971261^2 + 0.2658375^2 + 0.2002613^2)

其指示第一列本身已经解释了整个矩阵的方差的70％。

（2）现在让我们看看在旋转矩阵/ V的第一列：

  PC1  
displ 0.49818034 
year 0.06047629 
cyl 0.49820578 
cty -0.50575849 
hwy -0.49412379

我们可以看到：displ有cyl和积极的关系与cty和hwy负相关关系。而在这个显性层面，year并不那么明显。

有意义的是，你的车有更多的排量或汽缸，它可能有一个非常高的MPG。

这里是变量之间的情节只为你的信息。

pairs(data)

enter image description here

来源

2013-11-22 19:11:39

你想要的是看结果列表的rotation变量：

> trans <- preProcess(data, method = "pca"). 
> transformedData <- predict(trans, data) 
> trans$rotation

如果你想看看在一个特定的PC，说这两个首当其冲：

> trans$rotation[,c(1,2)]

来源

2014-12-17 12:12:50 PierreBdR

关于PCA in R？

回答

相关问题