pca 累积方差贡献率公式_R语言 PCA主成分分析

微信公众号：生信小知识
关注可了解更多的教程及生信知识。问题或建议，请公众号留言;

R语言 PCA主成分分析

前言统计学背景知识协方差相关系数函数总结实例讲解1.载入原始数据2.作主成分分析3.结果解读4.画主成分的碎石图并预测5.PCA结果绘制后记

前言

PCA分析大家肯定经常看到，但是你真的懂PCA分析的结果吗？

图我也会看，我只是不是很清楚PCA背后输出结果的解读而已。正好看到一篇不错的博客，就把主要的知识点记录下 。

reference:

• http://www.cnblogs.com/longzhongren/p/4300593.html

• https://www.zhihu.com/question/20852004

• 223.主成分分析PCA

统计学背景知识

协方差

可以通俗的理解为：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？

• 你变大，同时我也变大，说明两个变量是同向变化的，这时协方差就是正的。

• 你变大，同时我变小，说明两个变量是反向变化的，这时协方差就是负的。

从数值来看，协方差的数值越大，两个变量同向程度也就越大。反之亦然。

从公式出发来理解一下：

公式简单翻译一下是：如果有X，Y两个变量，每个时刻的“X值与其均值之差”乘以“Y值与其均值之差”得到一个乘积，再对这每时刻的乘积求和并求出均值(其实是求“期望”，但就不引申太多新概念了，简单认为就是求均值了)。

具体例子可以去知乎详细查看：

https://www.zhihu.com/question/20852004

相关系数

对于相关系数，我们从它的公式入手。一般情况下，相关系数的公式为：