如何将新向量绘制到 R 中的 PCA 空间上答案

【问题标题】：How to plot a new vector onto a PCA space in R如何将新向量绘制到 R 中的 PCA 空间上
【发布时间】：2016-09-19 11:45:40
【问题描述】：

我是 R 中主成分分析的新手，我的问题很幼稚。我已经使用 R 中的函数 'prcomp' 完成了矩阵 (A) 的 PCA。现在我想在 A 的 PC1 和 PC2 的 PCA 空间上绘制一个向量。我该如何绘制这个向量？

【问题讨论】：

标签： r machine-learning data-mining pca

【解决方案1】：

使用biplot（红色箭头是原始空间中的尺寸）：

a <- princomp(iris[1:4])
biplot(a, cex=0.5)

您也可以自行投影到 PCA 空间，如下所示：

library(ggplot2)
data <- iris[1:4]
labels <- iris[,5]
res <- princomp(data)
res.proj <- as.matrix(data) %*% res$loadings[,1:2]
ggplot(as.data.frame(res.proj), aes(Comp.1, Comp.2, col=labels)) + geom_point()

使用 prcomp 的相同图（数值更稳定）：

data <- iris[1:4]
labels <- iris[,5]
res <- prcomp(data)
res.proj <- as.matrix(data) %*% res$rotation[,1:2]
ggplot(as.data.frame(res.proj), aes(PC1, PC2, col=labels)) + geom_point()

更高级的 ggbiplot：

library(ggbiplot)
g <- ggbiplot(res, obs.scale = 1, var.scale = 1, 
              groups = labels, ellipse = TRUE, 
              circle = TRUE)
g <- g + scale_color_discrete(name = '')
g <- g + theme(legend.direction = 'horizontal', 
               legend.position = 'top')
print(g)

【讨论】：

值得注意的是，使用prcomp是R中的首选方式。princomp的存在是为了与S-PLUS兼容。
如果需要数值稳定性，请使用 prcomp 代替，因为它使用 svd。