PCA二次图的解释

、、

我需要理解由两个主成分创建的散点图所传达的信息。我正在处理“sklearn.datasets”库中的“波士顿住房”数据集。我标准化了预测因子，并使用'sklearn.decomposition‘库中的'PCA’得到两个主成分，并将它们绘制在图表上。现在我所需要的就是帮助我用简单的语言来解释剧情。

浏览 28提问于2019-09-12得票数 0

1回答

R中主成分分析(PCA)的一般问题

、

我想在R中生成一些很好的PCA图，就像往常一样，在R中，有几种方法可以进行主成分分析。到目前为止，我发现了3种计算组件的不同方法和3种绘制它们的方法。我想知道，熟悉这些功能的人是否能给我一些关于如何最佳组合功能的建议，以产生以下情节：我对R中用于PCA的函数和图<

浏览 2提问于2012-07-26得票数 1

4回答

PCA是否改变数据的值？

、、、、

如果我正确理解，主成分分析是降低数据维数的一种手段。那么，如果我有一个1000个样本点12维矩阵，并将它简化为一个1000个样本点二维矩阵，那么样本点本身的值是否有某种程度的变化？或者仅仅是10个维度/列被抛出，而原来的2个仍然存在？

浏览 0提问于2016-07-07得票数 1

1回答

使用R绘制每个波长的每个/特定主成分的R2

、、、

我有一些使用PCA的经验，但这是我第一次尝试使用PCA处理光谱数据…… 我有一个包含光谱的大型数据，其中我使用prcomp命令为整个数据集计算PCA。我的结果显示，3个分量可以解释99%的方差。我想绘制三个PCA分量在每个波长(以4200-1000 nm为步长)的贡献图，就像我在这个网站上找到的图2的例子：https://le

浏览 16提问于2019-04-07得票数 0

回答已采纳

1回答

在corrplot的x轴下添加附加信息

、、、、

我试图添加“累积比例方差解释”(从PCA)在corrplot的x轴。我参考了corrplot手册，但没有找到任何这样做的指示。下面是我目前使用示例数据的代码。factoextra")decathlon2.active <- decathlon2[1:23, 1:10] res.pca<- PCA(decathlon2.active, graph =

浏览 2提问于2018-06-19得票数 0

回答已采纳

1回答

如何在使用prcomp后绘制第二和第三主成分

、、

在我最感兴趣的变量上，第二和第三主成分解释了更多的方差。fviz_eig(res.pca) col.ind

浏览 7提问于2021-03-04得票数 1

回答已采纳

2回答

限制绘制的PCA变量

、、

我正在对数据集进行PCA分析。我在变量上得到92倍的PCA。我只想用前两个PCA的同伙来画。PCA1和PCA2.双轨只有两部吗？或者我对这些解释有点困惑。如果是这样的话，它只适用于2个组件，那么我如何绘制PCA3和PCA4。 prin_comp$scale

浏览 1提问于2017-03-14得票数 0

回答已采纳

1回答

如何选择PCA的组件数

、、、

我正在尝试使用PCA来分解我的列。sc = StandardScaler()pca = PCA(n_components = 5') 你能给我解释一下吗？

浏览 28提问于2018-12-16得票数 3

1回答

在r中使用prcomp for PCA时显示对应PC的名称

、、

我使用prcomp在r中运行PCA。当我输出汇总时，即标准差、方差比例、累积比例，结果总是排序的，实际的列名被PC1，PC2替换。因此，我不能说出每一列的确切方差比例。这里附了两张结果图： ? ?

浏览 36提问于2019-10-15得票数 0

1回答

有滑雪差异的PCA

、

我试图在一个非常具体的上下文中应用PCA，并遇到了我无法解释的行为。作为一项测试，我正在使用您可以在这里检索的文件数据运行以下代码： (numpy数组格式)。from sklearn.decomposition import PCAtest = np.load('test.npy')X_proj = pca.fit_transfor

浏览 8提问于2020-10-19得票数 2

回答已采纳

1回答

R中prcomp对象的子集

、

我基本上是在计算一组变量的PCA，一切都很好。假设我是以虹膜数据为例，但我的数据是不同的。虹膜数据应该足以解释我的问题：log.ir <- log(iris[, 1:4])ir.groups<- iris[, 5] librar

浏览 4提问于2016-05-25得票数 3

1回答

PCA并不能降低数据的维数

、、、

我想在18个维度的热图上应用PCA。dim(heatmaps)=(224,224,18)heatmaps=heatmaps.reshape(-1,18)heatmaps=heatmaps.reshape(18,

浏览 2提问于2018-08-02得票数 0

回答已采纳

1回答

PCA解释方差分析

、、

我对PCA很陌生。我的模型有11个变量。, 'Day of the Week', 'Week of the Year', 'Weekend Effect', 'Last Day of the Month', "Quarter" ] 2.49272688e-03

浏览 9提问于2017-05-02得票数 0

回答已采纳

1回答

这通常会导致绘图看起来被挤压在一起，而不是仅仅是绘图的较小版本。有没有什么方法可以改变默认的幻灯片大小来缓解这个问题？下面显示了一个可重复使用的示例 ---author: "Beavis" date: "`r format(Sys.time(), '%d/%m/%Y')FALSE) knitr::opts_chunk$set(cache=TRUE) knitr::opts_chunk$set(fig.h

浏览 72提问于2019-06-14得票数 3

回答已采纳

1回答

为什么我的princomp绘图在没有返回错误的情况下仍然是空的？

、、

Princomp已用于汇总大型数据集，摘要、屏幕图和加载都是有效的，并且所有代码都是从早期的pca中重复编写的。绘图的代码也非常相似，当它运行时，不会返回错误，但绘图是完全空的。Plot_chars.abio.pca <-princomp(Plot_chars_standardised[,4:12]) Plot_chars.abio.pca$load

浏览 21提问于2019-02-13得票数 0

2回答

如何在进行PCA后绘制每个变量的主向量？

、、、

我的问题主要来自于这篇文章: 在本文中，作者绘制了每个变量的矢量方向和长度。根据我的理解，在进行PCA之后。我们得到的只是特征向量和特征值。对于维数M的数据集，每个特征值都应该是1xN的向量，所以，我的问题是，向量的长度可能是特征值，但是如何为每个变量找到向量的方向呢？向量长度的物理意义是什么？此外，如果可能的话，我是否可以在python中使用scikit PCA函数做类似的工作？

浏览 1提问于2019-08-03得票数 5

回答已采纳

1回答

有没有一个R函数可以让我把两个图组合起来？

、、、

我不想做任何复杂的事情，我只想把饼图和PCA图画在一起。我想要比PCA图更大的piechart。我想用两个PCA图或用fviz_pca_biplot绘制饼图。下面是PCA： principal4<-PCA(ExpertWine2,scale.unit = T,ind.sup = NULL,quanti.sup =29:30,quali.sup =1,graph= T,axe

浏览 13提问于2021-04-08得票数 0

1回答

核PCA的Scree图

、、、

我正试图为内核PCA做一个很好的设计。我有78个特征在我的X与247 K样本。我是新的内核主成分分析，但我已经多次使用屏幕绘图为linear PCA。下面的代码为线性主成分分析绘制了屏幕图。我想使用屏幕图来决定在实际安装之前我需要的组件的数量。pca = PCA().fit(X)plt.plot(np.cumsum(pca.explained_varia

浏览 11提问于2022-03-09得票数 0

1回答