人體成分剖析報告可信度有多少?如何評價我的體測表??在做主成分剖析(pca)時,選取的主特征是原來數據的哪些特征呢??健明迪檢測
明天我們將要學習R言語進階中*重要的統計內容---主成分剖析,它在我們的研討中簡直是無處不在,運用*廣的就是將主成分放入回歸模型停止擬合,用于矯正相關的混雜要素。
主成分剖析的基本思想是將多個變量停止線性組合,在保管原數據主要特征的同時增加變量個數,從而到達降維的目的。R言語的內置函數princomp提供了未經旋轉的主成分剖析。
1. 慣例主成分剖析
在這里,我還將以鳶尾花數據集(iris)為例引見如何在R中停止主成分剖析:
# 主成分剖析
# 輸入原始數據并提取相關主成分
mydata <- iris # 將iris命名成mydata以便后續操作
mydata$type[which(mydata$Species== "setosa")]<- 0 # 設置setosa為0
mydata$type[which(mydata$Species== "versicolor")]<- 1 # 設置versicolor為1
mydata$type[which(mydata$Species== "virginica")]<- 2 # 設置virginica為2
attach(mydata) # 固定數據框
fit <- princomp(~ Sepal.Length+Sepal.Width+Petal.Length+Petal.Width, cor=TRUE) # 對花萼和花瓣的相關數據停止主成分剖析,cor=TRUE表示從相關系數矩陣提取主成分(實踐上是對數據的一種規范化)
summary(fit) # 輸入各個主成分的解釋方差
loadings(fit) # 輸入載荷
plot(fit,type="lines") # 碎石圖
biplot(fit) # 對前兩個主成分繪圖
從下面的*幅圖來看,前兩個主成分的累計方差貢獻率到達95.8%,并且碎石圖的結果也顯示前兩個主成分所占方差較大,因此我們其實只需用這兩個主成分就能很好描畫鳶尾花的特征了。
各個主成分的載荷實踐上反響的是各原始變量和主成分的關系,從圖中結果我們不美觀出,主成分1主要反映花萼長度、花瓣的長度和花瓣的寬度這三個原始變量,而主成分2主要反映花萼寬度這個原始變量,因此前兩個主成分基本就能完全反映一切的變量特征了。
*后一幅圖實踐上是依照前兩個主成分繪制的散點圖,從圖中不美觀出:應用主成分1可以將“setosa”與其他兩類分開,然后應用主成分2將“versicolor“和”virginica“分開。
這里我想和大家引見一下“psych“包(一個十分弱小的統計R包)的主成分函數principal( ),這個函數可以協助我們提取和旋轉主成分:
# 極小氣差旋轉法
# 保管前兩個主成分
library(psych)
fit2 <- principal(mydata[,1:4], nfactors=2,rotate="varimax") #nfactors指定主成分個數,rotate指定旋轉方法
fit2 # 輸入結果
關于rotate參數,我們主要有如下選項 "none", "varimax", "quatimax","promax", "oblimin", "simplimax"和"cluster",有興味的冤家可以自行了解,我在這兒就不贅述了。
從上圖的結果來看,前兩個主成分的累計方差貢獻率為96%,并且*主成分主要表征花萼長度、花瓣的長度和花瓣的寬度這三個原始變量,而第二主成分主要反映花萼寬度這個原始變量,這和之前的剖析分歧。
2. 主成分回歸
接上去,我將以fit2的結果為例引見本期內容*重要的局部---主成分回歸:
# 提取主成分
detach(mydata) # 解固定原數據
PC <- as.data.frame(fit2$scores) # 提取各觀測點的主成分
PC <- cbind(PC,mydata$type) # 按列兼并
colnames(PC) <- c("PC1", "PC2","type") # 重命名變量
fit3 <- lm(type ~ PC1 + PC2,data=PC) # 應用前兩個主成分對type停止線性回歸
summary(fit3)
輸入結果顯示PC1和PC2都是十分清楚的,而PC1的效應量為正值,PC2則是負值,這和主成分結果分歧。
關于主成分剖析的內容就講到這里,希望大家能掌握主成分剖析的方法以及如何用主成分停止回歸剖析,我們下期再見!
人體成分剖析報告可信度有多少?如何評價我的體測表??在做主成分剖析(pca)時,選取的主特征是原來數據的哪些特征呢??健明迪檢測
石川:2007 年,任天堂的游戲機 Wii 上推出了一款超級紙片馬里奧(super paper Mario)的游戲。在大少數操作中,它十分接近傳統的超級馬里奧,是一個 2D 的游戲,玩家控制馬里奧從左至右移動闖關,如下圖...Copyright ? 2023.廣州市健明迪檢測有限公司 .粵ICP備2022046874號技術文章 檢測服務 相關資訊