识别＆amp;从PCA＆amp;中删除异常值QQ情节

Question

我有一个132 x 107的数据集，包括2个患者类型 - （患者1的33个）和（患者2的99个）。

我正在寻找异常值，所以我在数据集上运行了pca并使用以下命令完成了前4个组件的qqplots

pca = prcomp(data, scale. = TRUE)
plot(pca$x, pch = 20, col = c(rep("red", 33), rep("blue", 99)))  

当我使用：

执行第二个组件的qqplot时

qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99)))     

下图显示了2个明确的异常值 - 左下角的红点是患者1。

有没有直接的方法来计算数据中这些点的索引，以便将它们删除？

Answer 1

出于某种原因，我不相信支持识别方法 在car包中（qqPlot()的来源）

让我们来看看USArrests数据的PCA ......

pca <- prcomp(USArrests) 

使用qqPlot的情节很容易。

require(car)
qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99)))

但是，qqPlot()不允许通过identify()进行点选择。

identify(qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99))))
# numeric(0)

但是，您可以在qqnorm()包中使用stats。

identify(qqnorm(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99))))

这将产生一个不太复杂的图形，但您应该能够通过qqline()（也在stats）手动添加线和置信区间以及更多的数学运算。

Answer 2

您可以在R中尝试identify方法。通常，运行

identify(qqPlot(pca$x[,2],pch = 20, col = c(rep("red", 33), rep("blue", 99))))

并左键单击要识别的点。分数向量中的点索引应与原始数据中的相同。

Answer 3

您还可以使用fviz_pca_ind()库中的factoextra函数来可视化影响，如下所示：

require(factoextra)
pca = prcomp(mydata)
fviz_pca_ind(pca,
         col.ind = "contrib", # Color by contribution
         gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07") #assign gradient
         )

这会自动标记个人，并根据他们的影响为他们着色。