R语言主成分分析总结

最新推荐文章于 2025-08-31 15:13:59 发布

原创

最新推荐文章于 2025-08-31 15:13:59 发布 · 2.8w 阅读

91 ·

CC 4.0 BY-SA版权

文章标签：

#r语言 #主成分分析

本文简要总结了R语言中进行主成分分析的方法，包括使用`princomp`和`principal`函数。`princomp`适用于相关系数矩阵，并提供得分和权重。而`principal`函数支持应用平行法则选择主成分，且可以设置旋转方法、计算得分及指定主成分数量。

简单总结R语言PCA相关函数
这里是数据集

year	X1	X2	X3
1951	1	-2.7	-4.3
1952	-5.3	-5.9	-3.5
1953	-2	-3.4	-0.8
1954	-5.7	-4.7	-1.1
1955	-0.9	-3.8	-3.1
1956	-5.7	-5.3	-5.9
1957	-2.1	-5	-1.6
1958	0.6	-4.3	-0.2
1959	-1.7	-5.7	2
1960	-3.6	-3.6	1.3
1961	3	-3.1	-0.8
1962	0.1	-3.9	-1.1
1963	-2.6	-3	-5.2
1964	-1.4	-4.9	-1.7
1965	-3.9	-5.7	-2.5
1966	-4.7	-4.8	-3.3
1967	-6	-5.6	-4.9
1968	-1.7	-6.4	-5.1
1969	-3.4	-5.6	-2.9
1970	-3.1	-4.2	-2
1971	-3.8	-4.9	-3.9
1972	-2	-4.1	-2.4
1973	-1.7	-4.2	-2
1974	-3.6	-3.3	-2
1975	-2.7	-3.7	0.1
1976	-2.4	-7.6	-2.2

princomp

这个函数是R中的标准PCA函数，可用cor，也可用cov协方差阵来做PCA

> pca <- princomp(temprature)
> summary(pca,loadings = T)
Importance of components:
                          Comp.1    Comp.2    Comp.3
Standard deviation     2.3927483 1.6766875 1.0093123 #标准差，特征值的平方根
Proportion of Variance 0.5991735 0.2942137 0.1066129 #方差比
Cumulative Proportion  0.5991735 0.8933871 1.0000000 #方差累积

#载荷阵，特征向量，(有些缺失值一直不知道为什么，回头在填坑)
Loadings:
   Comp.1</