【问题标题】：Doing PCA with varimax rotation in R在 R 中使用 varimax 旋转进行 PCA
【发布时间】：2020-05-07 21:08:52
【问题描述】：

我的代码已经南下。

我正在使用以下方法从 csv 导入 578x17 数据表：

Data=read.csv("Data.csv", header=TRUE, sep=',', dec='.', row.names= 1 , stringsAsFactors=TRUE)

我的相关性和协方差矩阵是一样的。

当我尝试使用 Varimax Rotation 进行 PCA 和 PCA 时，我得到了相同的结果：

PCA=princomp(x = Data, cor = TRUE, scores = TRUE)
Varimax<-princomp(Data, rotation="varimax")

当我尝试以不同的方式进行 Varimax 旋转时，我得到：

varimax<-varimax(PCA$rotation[,1:5])

if (nc

我不确定问题是我的代码还是我的 .csv 文件，但我们将不胜感激！

【问题讨论】：

投票结束，因为它是特定于代码的。如果删除代码行，那么演讲内容将变得完全不清楚。
我对 R 不熟悉，因此不确定您为什么会收到错误消息，但这里有很多问题。首先，princomp 不接受 rotation 参数，所以它可能被忽略，这就是为什么（可能）你得到“相同的结果”；换句话说，你不是这样做 PCA+varimax 的。其次，varimax 旋转应该在 loadings 而不是特征向量上完成，PCA$rotation 是特征向量。因此，如果您想手动运行varimax，您应该采用不同的方式。在stats.stackexchange.com/questions/59213 中查看我的答案。
How to compute varimax-rotated principal components in R?的可能重复
谢谢！我发现了我的代码问题。非常感谢！
发布你找到的解决方案@Matt

标签： r pca

【解决方案1】：

在 PCA 中使用 vegan 的 rda() 进行 varimax 旋转

此答案的基础知识来自：

https://stats.stackexchange.com/questions/59213/how-to-compute-varimax-rotated-principal-components-in-r

假设数据矩阵名称为mydata

library(vegan)
library(pracma)
pca.env = rda(mydata, scale=T)
loading = scores(pca.env, choices=c(1,2))$species    #choices determines which pc to be taken
rloading = varimax(loading)$loadings
iloading = t(pinv(rloading))
scores = scale(mydata) %*% iloading

双标

r = range(c(rloading, scores))
plot(scores, xlim = r, ylim= r, xlab= "PC1 ", ylab= "PC2 ")
arrows(0,0, rloading[,1], rloading[,2], length=0.1, col=2)
text(rloading[,1], rloading[,2], labels = colnames(mydata), pos=3, col=2)
text(scores[,1], scores[,2], labels = rownames(mydata), pos = 3)
abline(h=0, lty=3)
abline(v=0, lty=3)

【讨论】：