pca主成分分析结果解释_画图专题PCA主成分分析

原理简单介绍

PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。

更多详细的理解，可以参考以下网页内容，讲得非常深刻(需要有线性代数基础)。如果你只想知道怎么画图，请直接跳过接着往下看实际操作部分。

PCA的数学原理 

http://blog.codinglabs.org/articles/pca-tutorial.html

主成分分析(Principal components analysis)-最大方差解释

http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html

软件安装

此次我们使用 ggbiplot这个包。

R包安装

#package ggbiplot
install.packages("devtools", repos="http://mirror.lzu.edu.cn/CRAN/") #指定镜像
library(devtools)
install_github("vqv/ggbiplot",force=T)
library(ggbiplot)

左右滑动查看完整内容

如果有报错：可以参考

http