【课程作业】数据挖掘之主成分分析
发布日期:2021-06-29 02:15:31
浏览次数:2
分类:技术文章
本文共 1821 字,大约阅读时间需要 6 分钟。
参考:
一、理论
(一)主成分分析的作用
(二)准备工作:数据标准化
(三)实验(R)
1、数据标准化、主成分负荷系数(principal component loadings)、前两个主成分的双标图
apply(USArrests,2,mean)## Murder Assault UrbanPop Rape ## 7.788 170.760 65.540 21.232apply(USArrests,2,var)## Murder Assault UrbanPop Rape ## 18.97047 6945.16571 209.51878 87.72916##发现均值和方差的差异较大,因此必须进行标准化scale(USArrests,center = T,scale = T)##然后进行PCA分析,标准化操作:scale=Tpr.out<-prcomp(USArrests,scale=T)names(pr.out)## [1] "sdev" "rotation" "center" "scale" "x"##center和scale是标准化前的均值和标准差##rotation包含了主成分载荷信息,列向量是主成分载荷向量pr.out$rotation## PC1 PC2 PC3 PC4## Murder -0.5358995 0.4181809 -0.3412327 0.64922780## Assault -0.5831836 0.1879856 -0.2681484 -0.74340748## UrbanPop -0.2781909 -0.8728062 -0.3780158 0.13387773## Rape -0.5434321 -0.1673186 0.8177779 0.08902432##主成分负荷系数(principal component loadings)表示各个成分和原来变量之间的相关程度biplot(pr.out,scale=0) ##前两个主成分的双标图
得前两个主成分的双标图
biplot双标图,这个图可以把成分负荷、因子得分都反应在一个图上面。因为是平面图,因此只能指定两个成分,比如想呈现1、2成分,可以使用:>biplot(fit2.pca,c(2,4))。图中两个坐标对应各自的成分,红色的箭头的长度表示负荷的长度,方向表示符合的符号是正还是负,而各个点是各个个案对应的成分得分。(详细的说明,可以到splus的主页现在说明文档)。点之间的距离,反映它们对应的样本之间的差异大小,两点相距较远,对应样本差异大;两点相距较近,对应样本差异小,存在相似性。
2、每个主成分的标准差、每个主成分的方差解释比例、绘制每个主成分的PVE和累积PVE图
##主成分的标准差pr.out$sdev ##一般来说,第一主成分的方差>第二主成分的方差>.....## [1] 1.5748783 0.9948694 0.5971291 0.4164494pr.out$var<-pr.out$sdev^2##计算每个主成分的方差解释比例pve<-pr.out$var/sum(pr.out$var)pve## [1] 0.62006039 0.24744129 0.08914080 0.04335752##绘制每个主成分的PVE和累积PVE图par(mfrow=c(1,2))plot(pve,xlab = "Principal Component",ylab="Proportion of Variance Explained", ylim=c(0,1),type='b')plot(cumsum(pve),xlab = "Principal Component",ylab="Proportion of Variance Explained", ylim=c(0,1),type='b')
主成分对于总方差的贡献比例(Proportion of Variance Explained,简记 PVE)
PVE图和累积PVE图可以用于选择主成分,一般选取前几个能解释大部分数据方差的主成分。
转载地址:https://blog.csdn.net/YWP_2016/article/details/105102479 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
路过按个爪印,很不错,赞一个!
[***.219.124.196]2024年04月07日 10时08分19秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
浅谈APP应用开发中的五个核心原则
2019-04-29
app公司制作app的方法和步骤
2019-04-29
如何选择定制app的公司?
2019-04-29
开发一个app应用的流程有哪些
2019-04-29
在线点餐APP开发前景如何?
2019-04-29
开发服务生活app手机前景如何
2019-04-29
服装搭配app开发项目特点在这几个方面
2019-04-29
开发一个小程序,最好先做好课前工作
2019-04-29
app的开发需要具备哪些能力
2019-04-29
同城社交APP软件有哪些优点?
2019-04-29
Python反爬虫的四种常见方式-JS逆向方法论
2019-04-29
Python爬取《冰雪奇缘2》豆瓣影评
2019-04-29
Python递归爬取今日头条指定用户一个月内发表的所有文章,视频,微头条
2019-04-29
Python爬取620首虾米歌曲,揭秘五月天为什么狂吸粉?!
2019-04-29
Python-根据照片信息获取用户详细信息(微信发原图或泄露位置信息)
2019-04-29
用python重新定义【2019十大网络流行语】
2019-04-29
Python爬取腾讯视频的评论
2019-04-29
Python爬虫实战:批量下载网站图片
2019-04-29
Python走心的42个代码例子
2019-04-29
Python使用openpyxl操作excel表格
2019-04-29