【发布时间】：2019-01-06 08:28:30
【问题描述】：
我正在尝试在 R 中运行 PCA 以减少维度。作为这个过程的结果，我从 2000 个特征中选择了 25 个。但我不知道如何将这些选定的特征映射到原始数据的特征。有什么帮助吗？
这是我的代码的一部分：
rawdata <- read.csv("alon.csv", header = FALSE)
pmatrix <- scale(rawdata)
princ <- prcomp(pmatrix)
nComp <- 25
dfComponents <- predict(princ, newdata = pmatrix)[, 1:nComp]
这是我的 62*2000 数据的 3 行 6 列：
0.508777205 0.229010718 0.092779946 0.038210585 -0.692175368 0.240419603
0.694627686 0.800665661 0.433820868 -0.133540337 -0.679403925 0.36020227
-1.031396049 0.91525797 0.701421715 0.355537228 -1.30483618 -1.304934251
【问题讨论】：
-
能否提供一些示例数据和代码？这篇文章将指导您How to make a great R reproducible example?
-
我编辑了这篇文章。 @markus
-
您能否真正阅读 markus 链接的有关如何制作可重现示例的链接。虽然您编辑了帖子，但您没有遵循有关如何制作可重现示例的指南
-
您可以发布示例数据吗？请使用
dput(rawdata)的输出编辑问题。或者，如果dput(head(rawdata, 20))的输出太大。数据集labels在哪里使用？ -
很难理解你想要什么，但如果我明白了，那就不可能了。 PCA 从旧特征中构造新特征，我怀疑它们是否可以精确匹配。
标签： r pca dimensionality-reduction