1
我發現很好tutorial about PCA 有一個問題目前還不清楚。我想知道,怎麼可能想象不僅Dim1
VS Dim2
結果,但實際上所有可能的維度對(例如Dim3
VS Dim4
)PCA圖,尺寸圖
我發現很好tutorial about PCA 有一個問題目前還不清楚。我想知道,怎麼可能想象不僅Dim1
VS Dim2
結果,但實際上所有可能的維度對(例如Dim3
VS Dim4
)PCA圖,尺寸圖
您可以通過改變axes(1,2)
參數例如可視化的其他維度axes(3,4)
:
fviz_pca_ind(X, axes = c(3, 4), geom = c("point", "text"),
label = "all", invisible = "none", labelsize = 4)
# (...)
旁註:第一對夫婦的主成分通常包含在數據集中幾乎所有的變化。最後的主要組成部分通常非常無趣,因爲數據集中的變化已被前面的主要組成部分「彙總」,因此僅包含殘餘信息(噪聲)。
非常感謝。我也有這種情況,從PC1到PC4有類似的值(可能是30-20%的變化)。所以我也很高興看到3部分和4部分。再次感謝 – Guforu