R语言中的PCA实战代码

主成分分析（PCA）和t-SNE，MDS等算法都是数据科学中使用最多的降维算法，也有使用lasso进行降维。本章使用R语言将pca进行演习，具体理论大家查找相关资料即可。

R语言中使用最多的函数是princomp，位于R自带的stats数据包中，主要参数如下：

x，传入的数据矩阵或者数据框

cor，判断使用相关系数还是协方差矩阵进行计算

scale，是否进行标准化处理

当然还有prcomp函数可选，参数基本一致。

我们使用iris数据集进行演示：

iris<-select(iris,-Species)
iris.pca<-princomp(iris,cor = T)
names(iris.pca)

[1] "sdev"     "loadings" "center"   "scale"    "n.obs"    "scores"   "call"  

sdev是标准偏差

center是每列计算是减去的均值

scores即降维之后的结果，当然也可以使用predict函数，但是结果一样

summary(iris.pca,loadings = T)

Importance of components:
                          Comp.1    Comp.2     Comp.3      Comp.4
Standard deviation     1.7083611 0.9560494