【发布时间】：2016-07-21 08:58:06
【问题描述】：
我找到了很好的tutorial about PCA
我目前还不清楚一个问题。我想知道，如何不仅可视化 Dim1 与 Dim2 结果，而且实际上可视化所有可能的维度对（例如 Dim3 与 Dim4）
【问题讨论】：
【发布时间】：2016-07-21 08:58:06
【问题描述】：
您可以通过将 axes(1,2) 参数更改为例如axes(3,4):
fviz_pca_ind(X, axes = c(3, 4), geom = c("point", "text"),
label = "all", invisible = "none", labelsize = 4)
# (...)
旁注：前几个主成分通常包含数据集中的几乎所有变化。最后一个主成分通常很无趣，因为数据集中的变化已经被前面的主成分“总结”了，因此只包含残差信息（噪声）。
【讨论】：
-
非常感谢。我也有这样的情况，从 PC1 到 PC4 的值相似（可能是 30-20% 的方差）。所以对我来说，看到 3 和 4 个组件也很有趣。再次感谢