PCA图,尺寸图

时间:2016-07-21 08:58:07

标签: r pca

我发现很好tutorial about PCA 目前我还不清楚一个问题。我想知道,如何才能可视化Dim1Dim2结果,实际上所有可能的维度对(例如Dim3 vs Dim4

1 个答案:

答案 0 :(得分:1)

您可以通过将axes(1,2)参数更改为例如,将其他维度可视化。 axes(3,4)

fviz_pca_ind(X, axes = c(3, 4), geom = c("point", "text"),
   label = "all", invisible = "none", labelsize = 4) 
# (...)

旁注:前几个主要组件通常包含数据集中的几乎所有变体。最后的主要组成部分通常非常无趣,因为数据集的变化已被前面的主要成分“概括”,因此只包含残留信息(噪声)。