關於PCA in R？

Question

我用插入符包中的R預處理數據，如：

> trans <- preProcess(data, method = "pca"). 
> transformedData <- predict(trans, data) 

這裏是我的問題，即在預測對原始數據的名字被錯過後，但電腦的列表。我如何找到這些PC與我的原始預測變量之間的關係，我知道，這些預測變量有一些負載或係數。

有人能給我一個提示，更好地使用脫字符號方法。謝謝！

Answer 1

我不是很熟悉插入符號，但是不能使用princomp或prcomp？

例如：

# some random data 
x <-data.frame(a=1:25+rnorm(25), 
       b=3:27+rnorm(25,mean=1), 
       c=25:1 + rnorm(25,mean=2,sd=2)) 
pca <- prcomp(x, retx = TRUE, center = TRUE, scale. = TRUE) 
transformedData <- pca$x 
loadings  <- pca$rotation 
eigenvalues  <- pca$sdev 

也可參閱"5 functions to do Principal Components Analysis in R"這一資源。

Answer 2

我不確定我是否理解你的問題100％，但我猜你有一個缺少名稱的數據集，並且你想快速確定變量之間的關係（線性也許），確定'主成分'？

這是一個非常棒的cross validated post向您展示了一些關於PCA和SVD的知識。

這裏是你展示它是如何工作使用prcomp功能很簡單的例子：

>library(ggplot2) 
>data(mpg) 
>data <- mpg[,c("displ", "year", "cyl", "cty", "hwy")] 
# get the numeric columns only for this easy demo 
>prcomp(data, scale=TRUE) 

Standard deviations: 
    [1] 1.8758132 1.0069712 0.5971261 0.2658375 0.2002613 

Rotation: 
    PC1   PC2  PC3   PC4   PC5 
displ 0.49818034 -0.07540283 0.4897111 0.70386376 -0.10435326 
year 0.06047629 -0.98055060 -0.1846807 -0.01604536 0.02233245 
cyl 0.49820578 -0.04868461 0.5028416 -0.68062021 0.18255766 
cty -0.50575849 -0.09911736 0.4348234 0.15195854 0.72264881 
hwy -0.49412379 -0.14366800 0.5330619 -0.13410105 -0.65807527 

這裏是你如何解釋結果：

（1）標準差，這是對角線當應用奇異值分解時，矩陣位於中間。解釋每個「主要組件」有多少差異？ /層/透明度解釋矩陣的整體方差。 例如，

70 % = 1.8758132^2/(1.8758132^2 + 1.0069712^2 + 0.5971261^2 + 0.2658375^2 + 0.2002613^2) 

其指示第一列本身已經解釋了整個矩陣的方差的70％。

（2）現在讓我們看看在旋轉矩陣/ V的第一列：

  PC1  
displ 0.49818034 
year 0.06047629 
cyl 0.49820578 
cty -0.50575849 
hwy -0.49412379 

我們可以看到：displ有cyl和積極的關係與cty和hwy負相關關係。而在這個顯性層面，year並不那麼明顯。

有意義的是，你的車有更多的排量或汽缸，它可能有一個非常高的MPG。

這裏是變量之間的情節只爲你的信息。

pairs(data) 

Answer 3

你想要的是看結果列表的rotation變量：

> trans <- preProcess(data, method = "pca"). 
> transformedData <- predict(trans, data) 
> trans$rotation 

如果你想看看在一個特定的PC，說這兩個首當其衝：

> trans$rotation[,c(1,2)]