我已应用prcomp函数来获取主要组件。我目前使用前3个主要组件作为变量。我对通过它们表示数据的方式感到满意，因此我决定对另一个数据集应用相同的程序。问题是，如果我为新数据集做另一个prcomp，我会得到新的组合，因此，新的主要组件。我可以为新数据获得相同的主成分（具有相同的旋转/加载）吗？这样做手动繁琐（因为我有数百个变量和微小的旋转），我似乎无法想到一个智能脚本来做到这一点。这是一个可重现的例子，类似于我的数据。
pca1 <- prcomp(USArrests, scale = TRUE)
pca1$rotation ##ideal Principal components
pca2 <- prcomp(iris[,1:4], scale = TRUE)
pca2$rotation ##not ideal
我想拥有虹膜数据集的主要组件，与ISArrests数据集中的变量具有相同的旋转。那可能吗？
谢谢，
答案 0 :(得分：1)
特征向量是rotation返回的prcomp矩阵的列。
为了旋转另一个数据矩阵，您只需将其与旋转矩阵相乘，并可选择预先缩放。
在你的情况下：
result = scale(iris[, 1:4]) %*% pca1$rotation
您可以使用原始数据验证这是否有效：
pca1_should_be = scale(USArrests) %*% pca1$rotation
all.equal(pca1_should_be, pca1$x)
# [1] TRUE