11章3节：​深度讲解用R进行主成分分析（下）

 在临床研究中，由于人体病理生理的复杂性，大多数情况下需要对患者进行多个指标的综合评价，以便对疾病进行全面评估和发现潜在规律。这种多维度的分析可以为研究和医疗应用提供更全面的信息。然而，采集大量数据不仅增加了工作量和医疗成本，更重要的是许多指标之间可能存在一定的相关性，导致问题分析的复杂性增加。接着是上文回顾。

一、认识主成分分析

1、主成分分析

主成分分析（Principal Component Analysis，PCA）是一种在确保数据信息损失最小的原则下，将多个指标转化为少数几个不相关的综合指标的数据降维方法。

2、PCA 的步骤

数据标准化，计算协方差矩阵或相关系数矩阵，特征值分解，确定主成分个数，构建主成分。

二、用R进行主成分分析

1、数据相关性的探索

# 加载factoextra包，用于多变量分析和可视化
library(factoextra)

# 从decathlon2数据集中提取前10个连续变量，形成新的数据集data.decathlon
data.decathlon <- decathlon2[, 1:10]

# 使用str()函数查看data.decathlon数