【问题标题】:Display the name of corresponding PC when using prcomp for PCA in r在r中使用prcomp for PCA时显示对应PC的名称
【发布时间】:2019-10-14 17:33:17
【问题描述】:

我使用 prcomp 在 r 中运行 PCA。当我输出摘要时,即标准差、方差比例、累积比例,结果总是有序的,实际列名替换为 PC1、PC2。因此,我无法说出每列的确切方差比例。

任何人都可以告诉我或给我一些关于如何在输出汇总结果时显示列的提示。附上两张结果图片:

【问题讨论】:

  • 谢谢 d.b.你是对的,我认为我需要修改我的问题。我需要绘制一些图来确定每个维度对 PC1 和 PC2 的影响。另一个问题是,在这种情况下,两台 PC 只贡献了 38%,您认为我需要如何选择合适的维度来表示问题。谢谢

标签: r pca prcomp


【解决方案1】:

不清楚您是否了解主要组件的作用。它降低了数据的维度。假设行是观察值,列是变量,想象一下以 35 个维度(列)绘制行。大多数人很难想象超过 3 个维度。主成分创建了一组较小的轴,可以解释数据中的大部分变化。轴是欧几里得的,这意味着它们彼此成直角。您的绘图以及summary(res.pca5) 和plot(res.pca5) 函数的结果表明,第一个维度解释了 35 个变量中 28% 的变化。添加第二个维度给你几乎 38% 和三个给你 44%。这些新变量是原始变量的组合,而不是原始变量。与任何其他组合相比,前两个组件解释了更多的可变性。

由于某种原因,您没有尝试将 res.pca5 作为命令(或等效的 print(res.pca5)),它会向您显示 pca 用于从原始变量创建组件的系数,或者 biplot(res.pca5) 绘制行和新二维空间中的列。

【讨论】:

  • 谢谢 decarlson,您的解释非常清楚和有帮助。我是 PCA 的新手。这个问题本身是错误的,应该删除大声笑。我有几个问题,希望你能帮助我。 1)我这里有35台PC,选择显着的标准是什么,个人贡献大于5%,或者选择所有PC,总和比例大于90%; 2)我尝试 res.pca5 的系数。这些系数是线性权重吗?以及我应该如何理解 + 和 - 号。无论符号如何,它们是否同样重要?
  • 3) 我正在使用PCA选择相关因素进行进一步研究(可能这种方法是错误的)。您对选择这些相关因素有何看法?选择那些系数较大的说 >|20%|首先说三四台重要的PC?非常感谢您的帮助!!!
  • 您的问题的答案取决于您的数据是什么以及您想要找出什么。例如,pca 可用于原始数据或标准分数,对于某些问题,一种方法优于另一种方法。有几本关于主成分分析的书籍,并且可能已经发表了有关研究的文献,例如您正在做的那本可以为您所在领域的公认/首选实践提供指南。
  • 好的。我会做更多的搜索。谢谢
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2016-12-18
  • 2022-07-06
  • 1970-01-01
  • 2021-09-03
  • 1970-01-01
相关资源
最近更新 更多