PCA分析的疑问

本文探讨了在使用R和Python的scikit-learn进行PCA分析时,主成分结果出现反向的情况。虽然结果相反,但作者指出这并不影响结果的有效性,因为PCA本质上是寻找正交线,其方向可以是任意的。文章提供了数据格式说明,并展示了R与Python的PCA计算代码。
摘要由CSDN通过智能技术生成
R 与python scikit-learn PCA的主成分结果有部分是反的
  • 通过R和python分别计算出来的PCA的结果存在某些主成分的结果是相反的,这些结果是没有问题的,只是表示这个分量被反转了,结果同样是有效的。
  • PCA的本质是寻找一条正交的线,这条线应该是可以有不同方向的
数据格式
148    41    72    78
139    34    71    76
160    49    77    86
149    36    67    79
159    45    80    86
142    31    66    76
153    43    76    83
150    43    77    79
151    42    77    80
139    31    68    74
140    29    64    74
161    47    78    84
158    49    78    83
140    33    67    77
137    31    66    73
152    35    73    79
149    47    82    79
145    35    70    77
160    47    74    87
156    44    78    85
151    42    73    82
147    38    73    78
157    39    68    80
147    30    65    75
157    48    80    88
151    36    74    80
144    36    68    76
141    30    67    76
139    32    68    73
14
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值