R中PCA的结果加载答案

【问题标题】：The Result loadings of PCA in RR中PCA的结果加载
【发布时间】：2018-02-04 16:17:25
【问题描述】：

在 R 中做 PCA 时，

p <- princomp(iris[,1:4])

我通过以下两种方法得出不同组件的系数：

IrisLoading <- p$loadings[,1:2] #methods1, use the fist two Comp.

结果是这样的

     Comp.1      Comp.2
Sepal.Length  0.36138659 -0.65658877
Sepal.Width  -0.08452251 -0.73016143
Petal.Length  0.85667061  0.17337266
Petal.Width   0.35828920  0.07548102

如果我只查看它的加载项

p$loadings

结果是

Loadings:
             Comp.1 Comp.2 Comp.3 Comp.4
Sepal.Length  0.361 -0.657 -0.582  0.315
Sepal.Width         -0.730  0.598 -0.320
Petal.Length  0.857  0.173        -0.480
Petal.Width   0.358         0.546  0.754

为什么 Comp1 & 2 的系数在我“筛选” Comp. 后会发生变化？

【问题讨论】：

如果您对我对您问题的回答感到满意，请不要忘记点击勾选按钮接受它；）

标签： r pca

【解决方案1】：

调用p$loadings 等同于调用print(p$loadings)。默认情况下，R 使用 0.1 的截止值，这意味着它正在删除绝对值小于 0.1 的任何值。它还四舍五入到小数点后 3 位，这是您可以覆盖的另一个默认参数。

要获得与p$loadings[,1:2] 更相似的结果，请运行以下行：

print(p$loadings, digits = 8, cutoff = 0.01)

输出：

Loadings:
             Comp.1      Comp.2      Comp.3      Comp.4     
Sepal.Length  0.36138659 -0.65658877 -0.58202985  0.31548719
Sepal.Width  -0.08452251 -0.73016143  0.59791083 -0.31972310
Petal.Length  0.85667061  0.17337266  0.07623608 -0.47983899
Petal.Width   0.35828920  0.07548102  0.54583143  0.75365743

               Comp.1 Comp.2 Comp.3 Comp.4
SS loadings      1.00   1.00   1.00   1.00
Proportion Var   0.25   0.25   0.25   0.25
Cumulative Var   0.25   0.50   0.75   1.00

我在 loadings 类的文档中找到了这些信息。你可以通过调用?loadings查看该文档

【讨论】：

非常感谢，Efbbrown。还有另一个相关的问题：“IrisPrin