我是化學家，大約一年前我決定了解更多關於化學計量學的知識。交叉驗證PCA + lm
我這個問題，我不知道如何解決工作：
我執行的實驗設計（多赫勒類型與3個因素）記錄多個分析物濃度爲ÿ。 然後我上執行PCAÿ和我使用的第一PC（總方差的87％），新ý上得分線性迴歸模型與我的實驗編碼設置爲X。
現在我需要進行一次性交叉驗證，刪除每個對象之前在新的「訓練集」上執行PCA，然後根據我之前創建的分數迴歸模型，預測分數在「測試集」中的觀察值，並且計算預測誤差，比較預測分數和通過在先前PCA的空間中測試集中對象的投影而獲得的分數。所以重複n次（n是我實驗設計的點數）。 我想知道如何用R來做。
通過prcomp然後lm。爲此，您需要將由prcomp返回的PCA模型應用於新數據。這需要兩個（或三個）步驟：
prcompprcompprcomp前兩個步驟完成通過scale，使用prcomp對象的$center和$scale元件。然後，您基質由$rotation [, components.to.use]
乘以你的數據，你可以很容易地檢查你的PCA得分計算的重建通過計算得分數據，你輸入prcomp並比較與prcomp返回的PCA模型的$x元素結果是否。
編輯在評論的光：
如果簡歷的目的是計算某種錯誤的，那麼你就可以計算預測分數的誤差之間進行選擇Ÿ（這是我的理解你）並計算錯誤：PCA讓您也可以倒退並根據得分預測原始變量。這很容易，因爲加載（$rotation）是正交的，所以反轉就是轉置。
因此，在原始ý空間預測是scores %*% t (pca$rotation)，其更快由tcrossprod (scores, pca$rotation)計算。
嗯，坦白地說，我認爲我所做的與PCR非常不同。在PCR中，我使用（一些）分數作爲** X **來擬合和預測** **，而我所做的是使用第一臺PC上的PCA分數作爲** y **和我的實驗設計分數作爲** X **。 – 2013-02-21 00:06:44
對不起，我忽略了這一點。所以你所做的是在（反向）PCR和PLS之間的某個地方？請問爲什麼你這樣做（純粹的好奇心）？在任何情況下，第一種方法都可以讓您根據PCA分數進行任何您喜歡的操作。 – cbeleites 2013-02-21 08:46:05
我執行PCA是因爲我的原始** Y **是_n_實驗和_m_變量的矩陣，所以我只有兩種可能性：
有還有R庫pls（偏最小二乘法），它具有工具PCR（Principal Component Regression）
嗨安德烈，歡迎交叉驗證（並特別歡迎多一個同胞化學家在這裏！）。然而，你的問題主要是關於編程，而不是統計（你已經有了DoE並且知道交叉驗證需要包括PCA）。因此，我將投票將其遷移到stackoverflow，討論編程問題。當您詢問R時，我還會添加一個R標籤。 – cbeleites 2013-02-20 20:23:02
謝謝@cbeleites但我在哪裏可以找到「stackoverflow」？我是小白人！ – 2013-02-21 00:09:27
@ndr：stackoverflow應該找到了你現在... – cbeleites 2013-02-21 08:42:26