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!
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!
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$sdev
也可参阅"5 functions to do Principal Components Analysis in R"这一资源。
我不确定我是否理解你的问题100%,但我猜你有一个缺少名称的数据集,并且你想快速确定变量之间的关系(线性也许),确定'主成分'?
这是一个非常棒的cross validated
post向您展示了一些关于PCA和SVD的知识。
这里是你展示它是如何工作使用prcomp
功能很简单的例子:
>library(ggplot2)
>data(mpg)
>data <- mpg[,c("displ", "year", "cyl", "cty", "hwy")]
# get the numeric columns only for this easy demo
>prcomp(data, scale=TRUE)
Standard deviations:
[1] 1.8758132 1.0069712 0.5971261 0.2658375 0.2002613
Rotation:
PC1 PC2 PC3 PC4 PC5
displ 0.49818034 -0.07540283 0.4897111 0.70386376 -0.10435326
year 0.06047629 -0.98055060 -0.1846807 -0.01604536 0.02233245
cyl 0.49820578 -0.04868461 0.5028416 -0.68062021 0.18255766
cty -0.50575849 -0.09911736 0.4348234 0.15195854 0.72264881
hwy -0.49412379 -0.14366800 0.5330619 -0.13410105 -0.65807527
这里是你如何解释结果:
(1)标准差,这是对角线当应用奇异值分解时,矩阵位于中间。解释每个“主要组件”有多少差异? /层/透明度解释矩阵的整体方差。 例如,
70 % = 1.8758132^2/(1.8758132^2 + 1.0069712^2 + 0.5971261^2 + 0.2658375^2 + 0.2002613^2)
其指示第一列本身已经解释了整个矩阵的方差的70%。
(2)现在让我们看看在旋转矩阵/ V的第一列:
PC1
displ 0.49818034
year 0.06047629
cyl 0.49820578
cty -0.50575849
hwy -0.49412379
我们可以看到:displ
有cyl
和积极的关系与cty
和hwy
负相关关系。而在这个显性层面,year
并不那么明显。
有意义的是,你的车有更多的排量或汽缸,它可能有一个非常高的MPG。
这里是变量之间的情节只为你的信息。
pairs(data)
你想要的是看结果列表的rotation
变量:
> trans <- preProcess(data, method = "pca").
> transformedData <- predict(trans, data)
> trans$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)]
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