为了在R中学习PCA,我在iris数据集上运行了princomp()函数(来自MASS包)。我遵循了以下步骤:
library(MASS)
irispca<-princomp(iris[-5])
summary(irispca)
irispca$loadings
为了计算主成分,我以这种方式使用了负荷输出:
iris_temp2 <- iris
iris_temp2$Comp.1 <- with(iris_temp2,Sepal.Length*0.361+Petal.Length*0.857+Petal.Width*0.358)
iris_temp2$Comp.2 <- with(iris_temp2,Sepal.Length*(-0.657)+Sepal.Width*(-0.73)+Petal.Length*0.173)
iris_temp2$Comp.3 <- with(iris_temp2,Sepal.Length*(-0.582)+Sepal.Width*0.598+Petal.Width*0.546)
iris_temp2$Comp.4 <- with(iris_temp2,Sepal.Length*0.315+Sepal.Width*(-0.32)+Petal.Length*(-0.48)+Petal.Width*0.754)
iris_temp2 <- with(iris_temp2, iris_temp2[order(Comp.1,Comp.2,Comp.3,Comp.4),])
最后,我对数据集进行了排序。 我也已经知道分数给出了相同的上述内容,即分数是通过将比例数据(运行PCA)与加载相乘来计算的。因此,我想到比较分数的输出和iris_temp2的输出(具有四个组件)。
iris_temp1 <- as.data.frame(irispca$scores)
iris_temp1 <- with(iris_temp1, iris_temp1[order(Comp.1,Comp.2,Comp.3,Comp.4),])
但是,当我执行head(iris_temp1)和head(iris_temp2 [,6:9])时,输出不匹配。
我会请求人们指出这一观察背后的原因。有什么我误解了吗?如果您需要我的任何其他意见,请告诉我。
我使用过的参考资料有:http://yatani.jp/teaching/doku.php?id=hcistats:pca和https://www.youtube.com/watch?v=I5GxNzKLIoU&spfreload=5。
由于 香卡
答案 0 :(得分:1)
princomp
不会对数据重新排序,每行都会转换为分数,因此在比较时无需重新排序数据。分数涉及数据的贬低和特征值矩阵的基础变化。
这意味着首先你需要贬低你的数据,即
library(MASS)
irispca<-princomp(iris[-5])
iris2 <- as.matrix(iris[-5])
iris2 <- sweep(iris2, MARGIN=2, irispca$center, FUN="-")
然后重要的是要认识到princomp
个对象的打印方法为显示目的舍入值
irispca$loadings
Loadings:
Comp.1 Comp.2 Comp.3 Comp.4
Sepal.Length 0.361 -0.657 0.582 0.315
Sepal.Width -0.730 -0.598 -0.320
Petal.Length 0.857 0.173 -0.480
Petal.Width 0.358 -0.546 0.754
但是当我们实际检查其中一个组件时,我们会看到它的全部值
irispca$loadings[,1]
Sepal.Length Sepal.Width Petal.Length Petal.Width
0.36138659 -0.08452251 0.85667061 0.35828920
考虑到这一点,我们有
is1 <- list()
is1$Comp.1 <- iris2 %*% irispca$loadings[,1]
is1$Comp.2 <- iris2 %*% irispca$loadings[,2]
is1$Comp.3 <- iris2 %*% irispca$loadings[,3]
is1$Comp.4 <- iris2 %*% irispca$loadings[,4]
score1 <- as.data.frame(is1)
给出了
head(score1, 2)
Comp.1 Comp.2 Comp.3 Comp.4
-2.684126 -0.3193972 0.02791483 0.002262437
2.714142 0.1770012 0.21046427 0.099026550
head(irispca$scores, 2)
Comp.1 Comp.2 Comp.3 Comp.4
[1,] -2.684126 -0.3193972 0.02791483 0.002262437
[2,] -2.714142 0.1770012 0.21046427 0.099026550
最后要注意的是,如果v
是主要成分而-1 * v
是主要成分,那么它可能会引起混淆。许多用于确定它们的算法没有明确地强加方向。来自文档
载荷和分数列的符号是任意的,并且 因此,PCA的不同程序之间可能会有所不同,甚至可能不同 不同的R版本。