Question

我有兴趣从我的数据集的累积PCA图中提取前10个PCA组件。我设法获得了PCA绘图，如卵石绘图，配对绘图等，但对我而言并没有太大意义。因此，我想从其累积PCA图中选择前10个PCA图，但我做到了，但是我需要使用此前10个PCA组件对原始数据集进行子集化。谁能指出我要如何使尝试更加准确和令人满意？

可复制的数据：

persons_df <- data.frame(person1=sample(1:200,20, replace = FALSE),
                    person2=as.factor(sample(20)),
                    person3=sample(1:250,20, replace = FALSE),
                    person4=sample(1:300,20, replace = FALSE),
                    person5=as.factor(sample(20)),
                    person6=as.factor(sample(20)))

row.names(persons_df) <-letters[1:20]

我的尝试：

my_pca <- prcomp(t(persons_df), center=TRUE, scale=FALSE)
summary(my_pca)

my_pca_proportionvariances <- cumsum(((my_pca$sdev^2) / (sum(my_pca$sdev^2)))*100)

公共数据集：

由于我在创建上述可复制数据时遇到了一些问题，因此在此我链接了public example dataset

在这里，我需要为persons_df选择前10个PCA组件，然后对原始数据进行子集处理，然后对其进行简单的线性回归。我如何才能在这里完成我的方法以实现自己的目标？谁能迅速在这里指出我？有什么主意吗？

Answer 1

要简单地使用PCA进行降维，

忽略输出变量（作弊），并在必要时使用model.matrix创建对比度变量。（不要直接对诸如邮政编码等级别的编码因子进行一键式编码，否则数据量会爆炸。请更明智地考虑。）删除所有零方差变量。处理NA s。
规模。相比之下，大规模的变量（例如薪水）可以使其他所有变量看起来都较低。
使用princomp或prcomp运行PCA。

pca <- princomp(scale(cbind(mtcars[-1])))

要获得解释的方差百分比，请将stdev向量从PCA对象中拉出，对其求平方以得到方差，然后按总和进行缩放，使其总和为1。

pct_var_explained <- pca$sdev^2 / sum(pca$sdev^2)
pct_var_explained
#>      Comp.1      Comp.2      Comp.3      Comp.4      Comp.5      Comp.6 
#> 0.576021744 0.264964319 0.059721486 0.026950667 0.022225006 0.021011744 
#>      Comp.7      Comp.8      Comp.9     Comp.10 
#> 0.013292009 0.008068158 0.005365235 0.002379633

查看解释的累积方差总和，以查看要保留多少个主成分。例如，这里的分量9和10解释了不到0.25％的方差。您还可以使用summary为您进行这些计算。

cumsum(pct_var_explained)
#>    Comp.1    Comp.2    Comp.3    Comp.4    Comp.5    Comp.6    Comp.7 
#> 0.5760217 0.8409861 0.9007075 0.9276582 0.9498832 0.9708950 0.9841870 
#>    Comp.8    Comp.9   Comp.10 
#> 0.9922551 0.9976204 1.0000000

summary(pca)
#> Importance of components:
#>                           Comp.1    Comp.2     Comp.3     Comp.4
#> Standard deviation     2.3622469 1.6021366 0.76062599 0.51096437
#> Proportion of Variance 0.5760217 0.2649643 0.05972149 0.02695067
#> Cumulative Proportion  0.5760217 0.8409861 0.90070755 0.92765822
#>                            Comp.5     Comp.6     Comp.7      Comp.8
#> Standard deviation     0.46400943 0.45116656 0.35884027 0.279571602
#> Proportion of Variance 0.02222501 0.02101174 0.01329201 0.008068158
#> Cumulative Proportion  0.94988322 0.97089497 0.98418697 0.992255132
#>                             Comp.9     Comp.10
#> Standard deviation     0.227981824 0.151831138
#> Proportion of Variance 0.005365235 0.002379633
#> Cumulative Proportion  0.997620367 1.000000000

子集要保留的主要成分，然后将输出变量绑定。

train <- data.frame(
    mpg = mtcars$mpg, 
    predict(pca)[, cumsum(pct_var_explained) < 0.95]
)

训练模型。

model <- lm(mpg ~ ., train)
summary(model)
#> 
#> Call:
#> lm(formula = mpg ~ ., data = train)
#> 
#> Residuals:
#>     Min      1Q  Median      3Q     Max 
#> -4.2581 -1.2933 -0.4999  1.3939  5.2861 
#> 
#> Coefficients:
#>             Estimate Std. Error t value Pr(>|t|)    
#> (Intercept) 20.09062    0.44345  45.305  < 2e-16 ***
#> Comp.1      -2.28131    0.18772 -12.153 3.17e-12 ***
#> Comp.2       0.11632    0.27679   0.420   0.6778    
#> Comp.3       1.29925    0.58301   2.229   0.0347 *  
#> Comp.4      -0.09002    0.86787  -0.104   0.9182    
#> Comp.5       0.31279    0.95569   0.327   0.7461    
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> Residual standard error: 2.509 on 26 degrees of freedom
#> Multiple R-squared:  0.8547, Adjusted R-squared:  0.8268 
#> F-statistic: 30.59 on 5 and 26 DF,  p-value: 4.186e-10

这个特定的模型几乎只需要1个主成分-模型中有很多信息无法执行任何操作。（也许这是无关紧要的，多余的或非线性的。）迭代。

从R中的累积PCA图中选择前n个PCA组件的任何方法？

1 个答案: