菜鸟学R语言（PCA）

最新推荐文章于 2024-08-11 02:06:50 发布
最新推荐文章于 2024-08-11 02:06:50 发布
阅读量1.1w 收藏 108
点赞数 18
分类专栏： R语言学习 文章标签： r语言 数据分析 数据可视化 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45331620/article/details/106809420
版权

主成分分析（PCA）

理论介绍

PCA的全拼是Principal Component Analysis，翻译成中文就是主成分分析。在探索性数据分析中应用广泛，能更好地可视化在具有许多变量的数据集中出现的变化。这在“宽”数据集的情况下特别有用，在这种情况下，每个样本有许多变量。主成分分析的目的是在于降维，其结果是把多个指标归约为少数的几个指标，这少数的几个指标的表现形式一般为原来指标体系中的某几个指标线性组合。

个人认为，主成分分析就是通过降维来预测和寻找关键因子。

那什么情况下可以用主成分分析呢？话说这个真没有一个统一的标准，但一般认为数据需符合以下三条：
（详见这篇博文）
主成分分析在生态学中的误用以及关键点解读

  1. 因子较多。
  2. 因子之间的共线性或相关性较强，所以要进行KMO检验。1
  3. 变量类型必须为连续变量，分类变量不可以。

下面说说主成分的原理，由于本人数学基础一般，所以这里仅简单总结一下。说白了，就是旋转坐标轴，来看个例子。
假如有两个变量是相关的，其散点图如下：
在这里插入图片描述
看看下面这个动图，是不很形象？黑线在旋转，红线和红点在变化。这就是PCA的工作过程，它在寻找最佳的黑线。标准是这条线上的差异应该最大化，也就是红点的分布越分散越好（方差）；另外误差最小化，这个好理解，就是蓝点到黑线的距离越小越好（投影）。PCA自动为我们找到了，根据勾股定理，嗯，大家都懂…

在这里插入图片描述
这是二维的数据，我们可以看出来数据变异最大的新维度，但是如果是更高维的就难以直观的呈现出来了。PCA有它的秘密武器，就是特征向量和特征值。一个是方向一个是长度，而在PCA中，有最大特征值的特征向量就是我们要找的主成分。引用别人的一句话：

特征向量定义了新的坐标系，它将原始数据转换到相互独立的两个方向上，且在主成分上方差达到最大化。

至于是怎么做到的呢，用协方差矩阵。这个就涉及到具体的数学推演了，作为非数理统计专业的，我不太会推，应用才是重点。

用R语言做PCA

说了半天，还没跟R语言扯上半毛钱关系。马上就来实战！
举个栗子，这里用到的是R自带的mtcars数据集。先来看看数据结构：

> str(mtcars)
'data.frame':	32 obs. of  11 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
 $ disp: num  160 160 108 258 360 ...
 $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
 $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
 $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
 $ qsec: num  16.5 17 18.6 19.4 17 ...
 $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
 $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
 $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
 $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

可以看到有11个变量，要注意的是vs和am是类别变量，而PCA分析只能是连续变量，所以要排除这两个变量。

> mtcars.pca <- prcomp(mtcars[,c(1:7,10,11)], center = TRUE,scale. = TRUE)
> summary(mtcars.pca)
Importance of components:
                          PC1    PC2     PC3     PC4     PC5     PC6     PC7    PC8     PC9
Standard deviation     2.3782 1.4429 0.71008 0.51481 0.42797 0.35184 0.32413 0.2419 0.14896
Proportion of Variance 0.6284 0.2313 0.05602 0.02945 0.02035 0.01375 0.01167 0.0065 0.00247
Cumulative Proportion  0.6284 0.8598 0.91581 0.94525 0.96560 0.97936 0.99103 0.9975 1.00000

9个变量得到PC1-9，看第二行Proportion of Variance，PC1解释了总方差的63％，PC2解释了23％，二者相加86%（累计贡献率），因此，前两个就是我们要找的主成分。
再来看看mtcars.pca的数据结构：

> str(mtcars.pca)
List of 5
 $ sdev    : num [1:9] 2.378 1.443 0.71 0.515 0.428 ...
 $ rotation: num [1:9, 1:9] -0.393 0.403 0.397 0.367 -0.312 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:9] "mpg" "cyl" "disp" "hp" ...
  .. ..$ : chr [1:9] "PC1" "PC2" "PC3" "PC4" ...
 $ center  : Named num [1:9] 20.09 6.19 230.72 146.69 3.6 ...
  ..- attr(*, "names")= chr [1:9] "mpg" "cyl" "disp" "hp" ...
 $ scale   : Named num [1:9] 6.027 1.786 123.939 68.563 0.535 ...
  ..- attr(*, "names")= chr [1:9] "mpg" "cyl" "disp" "hp" ...
 $ x       : num [1:32, 1:9] -0.664 -0.637 -2.3 -0.215 1.587 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:32] "Mazda RX4" "Mazda RX4 Wag" "Datsun 710" "Hornet 4 Drive" ...
  .. ..$ : chr [1:9] "PC1" "PC2" "PC3" "PC4" ...
 - attr(*, "class")= chr "prcomp"

嗯，看看就好，没啥可说的。

绘制PCA

可以说，以上都是在为绘制PCA铺垫。这里需要用到ggbiplot包，没有的话需要下载，如果下载失败，请看我的上一篇博客。
R语言PCA主成分分析——从github安装ggbiplot包

library(ggbiplot)
ggbiplot(mtcars.pca)

在这里插入图片描述
箭头代表原始变量，其中方向代表原始变量与主成分的相关性，长度代表原始数据对主成分的贡献度。（我也不确定这么理解对不对）
然而，我们并不知道哪个点对应于哪个样本（汽车），就不是很有用。补充一下，mtcars里有32种汽车，11个变量（去掉俩还剩9个）。

来把这些点变成汽车的名字：

ggbiplot(mtcars.pca, labels=rownames(mtcars))

在这里插入图片描述
现在可以看到哪些汽车彼此相似。例如，玛莎拉蒂Bora，法拉利Dino和福特Pantera L都聚集在顶部。这是有道理的，因为所有这些都是跑车，都是我买不起的车。

但我不知道该怎么让点和汽车名字同时显示…

我们还可以把这些汽车分为三类，分别属于美国，日本和欧洲的汽车，画3个椭圆。

mtcars.country <- c(rep("Japan", 3), rep("US",4), rep("Europe", 7),rep("US",3), "Europe", rep("Japan", 3), rep("US",4), rep("Europe", 3), "US", rep("Europe", 3))

ggbiplot(mtcars.pca,ellipse=TRUE, labels=rownames(mtcars), groups=mtcars.country)

rep(x, y)，x循环y次。栗子：
rep(1:2, 2)
1 2 1 2

在这里插入图片描述
可以看到，美国汽车在右边形成了一个独特的集群。美国车与cyl，disp和wt相关性大。日本汽车于mpg相关性大。欧洲汽车处于中间位置，并且不如任何一组更紧密地聚集。
让我们看一下PC3和PC4：

ggbiplot(mtcars.pca,ellipse=TRUE,choices=c(3,4), labels=rownames(mtcars),groups=mtcars.country)

在这里插入图片描述
规律性不如PC1和PC2，因为PC3和PC4解释了总变化的很小的百分比。

有时候我们需要在图的中间画个圆：

ggbiplot(mtcars.pca,ellipse=TRUE,circle=TRUE, labels=rownames(mtcars), groups=mtcars.country)

在这里插入图片描述

ggbiplot(mtcars.pca,ellipse=TRUE,obs.scale = 1, var.scale = 1,  labels=rownames(mtcars), groups=mtcars.country)

在这里插入图片描述

ggbiplot(mtcars.pca,ellipse=TRUE,obs.scale = 1, var.scale = 1,var.axes=FALSE,   labels=rownames(mtcars), groups=mtcars.country)

在这里插入图片描述
由于ggbiplot是基于ggplot功能，可以使用同一组图形参数来改变图
。比如：

ggbiplot(mtcars.pca,ellipse=TRUE,obs.scale = 1, var.scale = 1,  labels=rownames(mtcars), groups=mtcars.country) +
  scale_colour_manual(name="Origin", values= c("forest green", "red3", "dark blue"))+
  ggtitle("PCA of mtcars dataset")+
  theme_minimal()+
  theme(legend.position = "bottom")

在这里插入图片描述

ggbiplot参数

?ggbiplot

ggbiplot(pcobj, choices = 1:2, scale = 1, pc.biplot =
  TRUE, obs.scale = 1 - scale, var.scale = scale, groups =
  NULL, ellipse = FALSE, ellipse.prob = 0.68, labels =
  NULL, labels.size = 3, alpha = 1, var.axes = TRUE, circle
  = FALSE, circle.prob = 0.69, varname.size = 3,
  varname.adjust = 1.5, varname.abbrev = FALSE, ...)

pcobj # prcomp()或princomp()返回结果
choices # 选择轴，默认1：2
scale   # covariance biplot (scale = 1), form biplot (scale = 0). When scale = 1, the inner product between the variables approximates the covariance and the distance between the points approximates the Mahalanobis distance.
obs.scale # scale factor to apply to observations
var.scale # scale factor to apply to variables
pc.biplot # 兼容 biplot.princomp()
groups # 组信息，并按组上色
ellipse # 添加组椭圆
ellipse.prob # 置信区间
labels  # 向量名称
labels.size # 名称大小
alpha # 点透明度 (0 = TRUEransparent, 1 = opaque)
circle # 绘制相关环(only applies when prcomp was called with scale = TRUE and when var.scale = 1)
var.axes # 为变量绘制箭头
varname.size # 变量名大小
varname.adjust # 标签与箭头距离 >= 1 表示远离箭头
varname.abbrev # 标签是否缩写

问题：为什么我运行ggbiplot中的例子失败？求解答

> wine.pca <- prcomp(wine, scale. = TRUE)
> print(ggbiplot(wine.pca, obs.scale = 1, var.scale = 1, groups = wine.class, ellipse = TRUE, circle = TRUE))
Error in ggbiplot(wine.pca, obs.scale = 1, var.scale = 1, groups = wine.class,  : 
  找不到对象'wine.class'

后记

主成分分析本身往往并不是目的，而是达到目的的一种手段。因此，它多用在大型研究项目的某个中间环节。例如，把它用在多重回归中，便产生了主成分回归。另外，它还可以用于聚类、判别分析等。比如，上面我们是手动赋予汽车的产地（美国，欧洲，日本），但如果是随机抽样，编号1-32，就可以先进行聚类分析，每一个椭圆代表一类。另外，分清PCA、PCoA、NMDS、CCA、RDA也很有必要。总之，数据分析需要花费大量的时间去学习和积累经验。我认为，最简单的方式就是读高质量的论文，把别人应用的方法借鉴过来。

坚持，厚积薄发！

  1. KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析。有人说KMO>0.7，才表示适合做主成分分析，仅供参考。 ↩︎

邱德勋
关注
专栏目录
R语言如何实现主成分分析（PCA），最全详细教材
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
04-05 4万+
R语言也有“一步到位”的函数，如prcomp()和princomp()，基本上都是输入数据直接出结果。为了理解PCA的原理，我们利用自编函数的方法进行学习。 主成分分析详解主成分分析过程分解1.数据标准化2.计算相关系数（协方差）矩阵3.求解特征值和相应的特征向量4.计算主成分得分5.绘制主成分散点图6 自编函数实现PCA总代码使用现成函数完成主成分分析1.prcomp()函数2.princomp()函数3.PCA结果可视化 主成分分析过程分解 1.数据标准化 为了统一数据的量纲并对数据进行中心化，在主成
R中的fda包进行平滑函数数据分析
Mrrunsen的博客
09-02 773
接下来，我们定义了平滑参数tempfdPar和使用函数对温度数据进行平滑处理。我们将温度数据与前面创建的基础函数一起使用，以获得平滑的函数数据。# 定义傅立叶平滑参数# 对温度数据进行平滑处理。
R语言实现聚类分析、PCA实现与应用
03-20
利用R语言编写的聚类分析、PCA算法的实现以及应用，用于生物信息学领域的数据分析，有助于R语言与生物信息数据处理的入门有帮助！包含数据集（.txt）
R语言 PCA
gule456的博客
04-02 2243
R语言 PCA 1、关键点 综述：主成分分析 因子分析 典型相关分析，三种方法的共同点主要是用来对数据降维处理的从数据中提取某些公共部分，然后对这些公共部分进行分析和处理。 #主成分分析 是将多指标化为少数几个综合指标的一种统计分析方法 主成分分析是一种通过降维技术把多个变量化成少数几个主成分的方法，这些主成分能够反映原始变量的大部分信息，他们通常表示为原始变量的线性组合。 2、函数总结 #R中作...
[R语言] R语言PCA分析教程 Principal Component Methods in R
热门推荐
You and Me
07-31 6万+
R语言PCA分析教程 Principal Component Methods in R 主成分分析Principal Component Methods（PCA）允许我们总结和可视化包含由多个相互关联的定量变量描述的个体/观察的数据集中的信息。每个变量都可以视为不同的维度。如果数据集中包含3个以上的变量，那么可视化多维超空间可能非常困难。 主成分分析用于从多变量数据表中提取重要信息，并将此信息表示...
R语言PCA分析
GeekFocus
07-06 1万+
princomp，prcomp及rda R中输入数据类型有两类，R mode和Q mode。一般来说数据每一列为一个变量（variable），每一行为一个数据（observation）。其中R mode的数据行数大于列数，是基于变量的分析；Q mode数据列数大于行数，是基于数据的分析。 Princomp和prcomp都是R自带的stats包中的函数。Princomp只能用于R mode，它基于协方差(covariance) 或者相关矩阵(correlation) 提取的特征(eigen)并进行特征值分解
R语言中主成分分析概念与操作（PCA）
nikang3148的博客
06-17 4454
得分可分为主成分得分与因子得分，因子得分数值上等于主成分得分除以特征值的平方根，相当于标准化的主成分得分。从列上看，各变量对同一主成分的载荷的平方和等于其特征值（主成分的方差），理解为各变量对该主成分的贡献。特征值的平方根表示的是主成分得分的标准偏差（standard deviation）,即。一般定义为原始变量与主成分得分之间的相关系数，等于特征向量乘以特征值的平方根。特征向量是主成分对于原始变量的线性转换系数矩阵（主成分得分系数）。），理解为各主成分对该变量方差的解释度，其和值为1（变量的方差）。
怎么看R语言是不是在运行_生信技能树R语言视频课听后感 (10万+的播放量就看这个春节)...
weixin_39922394的博客
11-20 1227
每个月新来的学徒我都会让他/她花十几个小时学习完我的B站R视频课程：应该是我自己的学徒就贡献了一半的学习量吧，距离我夸下海口的10万工程师相差甚远，所以非常有必要放一些导学笔记，这个春节，难度你没有发现特别适合猫在家听视频搞学习吗？而且我们还有一系列免费数据分析提供给你：我们推文里面提到的数据分析环节都是我非常有经验的， 对我来说是举手之劳，希望可以帮助到你！转录组数据分析的4个维度认识...
C/C++实现PCA降维以及故障监测
Oldwater1的博客
10-28 1580
C/C++实现PCA降维以及故障监测@TOC 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码
【Bioinfo Blog 006】【R Code 005】——GEO表达谱数据质控
10’s Blog
11-28 3420
数据下载及质控 GEO数据下载 GEOquery包安装 注意：需要R 4.0及以上 if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("GEOquery") .cel数据下载 getGEOSuppFiles("GSE65496") ## 定位到目标目录后，解压文件 untar("GSE46106_RAW.tar") 读取.c
利用R内置函数计算pca
09-26
PCA分析，R包，利用R内置函数，计算pc1和pc2，后进行pca可视化
R语言PCA（图像压缩）
05-05
R语言实现PCA及其在图像压缩的应用R语言实现PCA及其在图像压缩的应用
小白零基础学数学建模系列-Day3-线性回归模型的构建与评估
最新发布
全栈川川
08-11 1442
线性回归模型的构建与评估
使用R语言进行简单的主成分分析（PCA）
m0_62110645的博客
04-25 1617
使用R语言进行PCA是一个直观且有效的方法来降低数据维度并探索数据结构。通过上述步骤，我们可以不仅看到数据在主成分上的投影，而且可以量化每个主成分的重要性。PCA在许多领域都有广泛的应用，包括基因组学、金融和市场研究等，它是任何数据科学家工具箱中的重要工具之一。
【PCA】主成分分析算法R语言实现
m0_69310669的博客
11-23 1912
主成分分析（Principal Component Analysis，PCA）是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，我们可考虑使用主成分分析的方法来对数据进行简化。降维是将高维度的数据（指标太多）保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。
主成分分析(PCA)及其可视化的基础指南
weixin_45822007的博客
05-07 6825
主成分分析(PCA)及其可视化的基础指南后台很多同学私信想学习一下主成分分析(PCA),今天就简单写一下。之后有看到文章再实战复现。主成分分析（PCA）是一种将数据降维技巧，它将大量相关变...
R语言：主成分分析PCA
Cachel Wood的博客
10-20 766
主成分分析是一种通过降维技术把多个变量化为少数几个主成分（即综合变量）的统计分析方法。这些主成分能够反映原始变量的绝大部分信息，它们通常表示为原始变量的某种线性组合。从载荷散点图可以看出，各变量与两个主成分之间的关系并不明显，使用主成分分析的效果并不够好。数据框包含有关32辆汽车的信息，包括它们的重量，燃油效率（以每加仑英里为单位），速度等。虽然在方差贡献率上主成分分析PCA表现良好，但是解释性（往往是最重要的）比较差。来确定主成分的个数K，并写出主成分表达式（一般是。，前两个主成分的累积方差贡献率达到。
R PCA
VVZ的博客
08-02 410
导入数据 data(decathlon2) data <- decathlon2[1:23, 1:10] #PCA res.pca <- PCA(data, graph = FALSE) 数据分析 #特征值 可解释变异比例 累计可解释变异比例 eig.val <- get_eigenvalue(res.pca) fviz_eig(res.pca, addlabels = TR...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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