r语言如何在同一幅图中画两条线_R语言进阶之主成分分析-CSDN博客

本文链接：https://blog.csdn.net/weixin_39622150/article/details/113316519

本文介绍了R语言中的主成分分析，阐述了其降维目的，并通过鸢尾花数据集展示了如何使用princomp()函数进行分析。文章还提到了使用'psych'包的principal()函数进行旋转主成分分析，并探讨了主成分回归，强调了PC1和PC2在回归中的显著性和作用。

摘要由CSDN通过智能技术生成

今天我们将要学习R语言进阶中最重要的统计内容---主成分分析，它在我们的研究中几乎是无处不在，应用最广的就是将主成分放入回归模型进行拟合，用于矫正相关的混杂因素。

主成分分析的基本思想是将多个变量进行线性组合，在保留原数据主要特征的同时减少变量个数，从而达到降维的目的。R语言的内置函数princomp()提供了未经旋转的主成分分析。

1. 常规主成分分析

在这里，我还将以鸢尾花数据集（iris）为例介绍如何在R中进行主成分分析：

# 主成分分析
# 输入原始数据并提取相关主成分
mydata <- iris # 将iris命名成mydata以便后续操作
mydata$type[which(mydata$Species== "setosa")]<- 0 # 设置setosa为0
mydata$type[which(mydata$Species== "versicolor")]<- 1 # 设置versicolor为1
mydata$type[which(mydata$Species== "virginica")]<- 2 # 设置virginica为2
attach(mydata) # 固定数据框
fit <- princomp(~ Sepal.Length+Sepal.Width+Petal.Length+Petal.Width, cor=TRUE) # 对花萼和花瓣的相关数据进行主成分分析，cor=TRUE表示从相关系数矩阵提取主成分（实际上是对数据的一种标准化）
summary(fit) # 输出各个主成分的解释方差