使用prcomp（）的r中的主成分分析

Question

我的数据是[478 x 4200]矩阵。我正在考虑4200个元素作为组件，我想减少我需要处理的组件数量。 我使用了prcomp（），不管怎么说它总是返回478个主要组件，即使我转置了矩阵。据我所知，prcomp（）使用列作为组件。我想我应该得到4200个主要组件。 我可以通过计算我需要的所有矩阵来手动完成，但我想检查一下这个函数。

Answer 1

有点明确：

如果你有p = 4200个变量的n = 478个观测值，你需要构建一个478 x 4200矩阵，其中每一行都是对这4200个变量的观察。我们称这个矩阵为m。

然后用

执行PCA

pca_result <- prcomp(m)

得到的主分量向量在矩阵pca_result $ rotation中。每列都是主要组件，列按降序变化排序。

每个主成分的维数p = 4200，并且将有min（n-1，p）=​​ 478个信息主要成分。所以pca_result $ rotation是一个4200 x 478矩阵。

PCA得分向量是矩阵pca_result $ x的列。因此，每个维度478（=观察数量）也将有478（=主成分数）得分向量。