R语言如何实现主成分分析（PCA），最全详细教材

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，在主成分分析之前往往需要对原始数据进行标准化。下面以R语言自带的iris范例数据集为例，探索一下主成分分析的具体过程。

#将R自带的范例数据集iris储存为变量data;
data<-iris
head(data)
#对原数据进行z-score归一化；
dt<-as.matrix(scale(data[,1:4]))
head(dt)

2.计算相关系数（协方差）矩阵

既然主成分分析主要是选取解释变量方差最大的主成分，故先需要计算变量两两之间协方差，根据协方差与方差的关系，位于协方差矩阵对角线上的数值即为相应变量的方差。此外，由于对数据进行了Z-score归一化（变量的均值为0，标准差为1）；因此，根据相关系数的计算公式可知，此时相关系数其实等于协方差。

#计算相关系数矩阵；
rm1<-cor(dt)
rm