在具有许多 NA 的 R 中执行 PCA

【问题标题】：Performing PCA in R with many NAs在具有许多 NA 的 R 中执行 PCA
【发布时间】：2020-04-30 15:37:03
【问题描述】：

我有一个包含 10 个变量和 12,000 个观测值的大型数据集，来自 3 种不同的系统（200 个来自小池塘，600 个来自河流，11200 个来自湖泊）。我的数据框中有很多 NA，但仍想执行 PCA 以查看系统的不同之处，仅使用我的数据框的最后 4 列（第一列描述站点，最后四列是化学数据） .

有什么办法可以解决这个问题吗？

【问题讨论】：

嗨，这个问题的性质似乎更具统计性。我建议您将其发布在 Cross Validated 上，而不是在 Stack Overflow 上。

标签： r pca missing-data

【解决方案1】：

你可以用不同的方式解决缺失值的问题。下面我将说明它们。

您应该使用包含 NA 值的变量的平均值，或者使用线性回归估算缺失值。

您应该使用missMDA，然后使用FactoMineR 或pcaMethods。下面是一个例子。

library(missMDA)
nPCs <- estim_ncpPCA(VIM::sleep)

Output 
nPCS$ncp
    3

completed_sleep <- imputePCA(VIM::sleep, ncp = nPCs$ncp, scale = TRUE)
PCA(completed_sleep$completeObs)

另一个例子是：

library(pcaMethods)
sleep_pca_methods <- pca(sleep, nPcs=2, method="ppca", center = TRUE)
imp_air_pcamethods <- completeObs(sleep_pca_methods)

如果您想深入了解PCA 或factoMiner 软件包，您应该访问其网站http://factominer.free.fr/

【讨论】：