R语言学习——主成分分析

最新推荐文章于 2024-06-15 11:06:54 发布

帅锅不识字

最新推荐文章于 2024-06-15 11:06:54 发布

阅读量910

点赞数 1

分类专栏： R语言学习文章标签： r语言学习开发语言

本文链接：https://blog.csdn.net/shuai19970911/article/details/131569447

版权

R语言学习专栏收录该内容

14 篇文章 2 订阅

订阅专栏

a <- read.table('/Users/zhangzhishuai/Downloads/24 lesson24 R主成分分析/24_pca/BMI.txt', header = T,sep = '\t', row.names = 1)
data<- a[,-3]
data
cor(data$height,data$weight) # 查看相关性系数
data.pca <- prcomp(data,scale. = T) # 主成分分析 scale:数据值差异太大，进行处理
data.pca
summary(data.pca)
screeplot(data.pca, type = 'lines') # 画图看做几个主成分，一般取图中拐点
biplot(data.pca) # PCA图(丑)
data.pca$x
m <- as.factor(a$gender)
plot(data.pca$x[,1:2],col=c('red','blue')[m],pch=c(21,24)[m]) # 2维绘图，21和24指的是形状
legend('bottomlef',legend=levels(m),col = c('red','blue'),pch = c(21,24)) #图例
abline(v=0, col=('red')) # 中间加一条线

library(scatterplot3d)
scatterplot3d(data.pca$x[,1:3] #取前三列
              ,type = 'h' # 竖线
              ,pch = 20 # 形状
              ,color = c('red','blue')[m] # 根据男女分颜色
              ,angle = 45 # 旋转角度
              ,main = 'PCA_3D' # 图表题
              ,cex.symbols = 2 # 控制形状的大小
              ,mar = c(5.1,4.1,4.1,8.1) # 四周大小
              )
legend('topleft',legend = levels(m),col = c('red','blue'),pch = 19
       ,xpd = TRUE # 加到原来图上去
       , bty = 'n' # 不要边框
       )

BMI.txt
name height weight gender BMI
tom 180 75 male 23.1481481481481
cindy 165 58 female 21.3039485766759
jimmy 175 72 male 23.5102040816327
sam 173 68 male 22.7204383708109
lucy 160 60 female 23.4375
lily 165 55 female 20.2020202020202