R语言绘图：PCA分析和散点图_百度文库
您的浏览器Javascript被禁用，需开启后体验完整功能，
享专业文档下载特权
&赠共享文档下载特权
&10W篇文档免费专享
&每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
R语言绘图：PCA分析和散点图
&&利用R语言进行PCA分析及结果展示
阅读已结束，下载本文需要
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，同时保存到云知识，更方便管理
加入VIP
还剩4页未读，
定制HR最喜欢的简历
你可能喜欢苹果/安卓/wp
积分 1, 距离下一级还需 9 积分
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
本帖最后由 wanghaidong918 于
08:49 编辑
这是一个我很长时间都没有解决的问题，就是，在有三个主成分（component 1, 2, 3 ）的情况下，spss只给出一个立体图，很不直观，我想做成两个或三个载荷图，即component 1 vs component 2，2 vs 3，二维图，较直观。在spss，下能实现吗？谢谢！
双击载荷图，点出来的编辑页面里，其中一项就是选择载荷图的X,Y,Z选项，你去除z轴就可以了！！
本帖被以下文库推荐
& |主题: 2161, 订阅: 22
小蚊子乐园：http://blog.sina.com.cn/m/xiaowenzi22
顶，我也不会做二维主成分载荷图，求高手指教
散点图应该行呀&&~~
签名被屏蔽
双击载荷图，点出来的编辑页面里，其中一项就是选择载荷图的X,Y,Z选项，你去除z轴就可以了！！
总评分:&经验 + 3&
论坛币 + 3&
是呀！！！立体的太不清了！！！继续二维图！！！
求指教！！！
zcl818075 发表于
双击载荷图，点出来的编辑页面里，其中一项就是选择载荷图的X,Y,Z选项，你去除z轴就可以了！！正解！！！！！！！！！！！！！！谢谢！！！！
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师在做主成分分析（pca）时，选取的主特征是原来数据的哪些特征呢？ - 知乎有问题，上知乎。知乎作为中文互联网最大的知识分享平台，以「知识连接一切」为愿景，致力于构建一个人人都可以便捷接入的知识分享网络，让人们便捷地与世界分享知识、经验和见解，发现更大的世界。94被浏览<strong class="NumberBoard-itemValue" title="1分享邀请回答609 条评论分享收藏感谢收起cs.princeton.edu/picasso/mats/PCA-Tutorial-Intuition_jp.pdf345 条评论分享收藏感谢收起苹果/安卓/wp
积分 12441, 距离下一级还需 5859 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见, 签名中使用代码
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发, 变色卡, 提升卡, 沉默卡, 千斤顶下一级可获得
道具: 置顶卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 4 天连续签到: 1 天[LV.2]偶尔看看I
本帖最后由 耕耘使者 于
23:22 编辑
18:37:09 上传
某中学随机抽取某年级30名学生，测量其身高，体重，胸围，坐高，针对这30名中学生身体四项指标数据做主成分分析。
student&-data.frame(
X1=c(148, 139, 160, 149, 159, 142, 153, 150, 151, 139,
140, 161, 158, 140, 137, 152, 149, 145, 160, 156,
151, 147, 157, 147, 157, 151, 144, 141, 139, 148),
X2=c(41, 34, 49, 36, 45, 31, 43, 43, 42, 31,
29, 47, 49, 33, 31, 35, 47, 35, 47, 44,
42, 38, 39, 30, 48, 36, 36, 30, 32, 38),
X3=c(72, 71, 77, 67, 80, 66, 76, 77, 77, 68,
64, 78, 78, 67, 66, 73, 82, 70, 74, 78,
73, 73, 68, 65, 80, 74, 68, 67, 68, 70),
X4=c(78, 76, 86, 79, 86, 76, 83, 79, 80, 74,
74, 84, 83, 77, 73, 79, 79, 77, 87, 85,
82, 78, 80, 75, 88, 80, 76, 76, 73, 78)
#主成分分析
student.pr &- princomp(student, cor = TRUE)
summary(student.pr, loadings=TRUE)
#预测，显示各样本主成分的值
pre&-predict(student.pr)
#显示碎石图
screeplot(student.pr,type=&lines&)
# 主成分分析散点图
biplot(student.pr)
碎石图可以帮助选择主成分的个数，，跟上面的累积方差贡献率基本上是一个意思，从你画的碎石土，两个主成分就可以了
双重信息图biplot，表明各个变量在3，5,25,12,13等学生上面表现的强烈，
碎石图可以帮助选择主成分的个数，，跟上面的累积方差贡献率基本上是一个意思，从你画的碎石土，两个主成分就可以了
双重信息图biplot，表明各个变量在3，5,25,12,13等学生上面表现的强烈，
热心帮助其他会员
总评分:&经验 + 60&
热心指数 + 1&
which(X1==max(X1))
which(X2==max(X2))
which(X3==max(X3))
which(X4==max(X4))
可以查看最大的那个指标是哪个学生
热心帮助其他会员
总评分:&学术水平 + 1&
本帖最后由 耕耘使者 于
21:24 编辑 吉林小王子 发表于
which(X1==max(X1))
which(X2==max(X2))
which(X3==max(X3))真是好兄弟！
总评分:&经验 + 20&
本帖最后由 耕耘使者 于
22:35 编辑 吉林小王子 发表于
碎石图可以帮助选择主成分的个数，，跟上面的累积方差贡献率基本上是一个意思，从你画的碎石土，两个主成分 ...我反复看，还是看不太懂。
是不是箭头长短代表着主成分矩阵系数的大小？
22:30:35 上传
如上图，在第一主成分轴（横轴）上，四个变量都是负值，所以箭头都在0的左边。而且箭头长短与四个值相一致。
在纵轴（主成分2）上呢，则x1和x4是正，x2和x3是负，这也吻合了。
这个我到没有研究过，你说的有道理，我看了一下，我自己书上的例子也符合你的说法，你观察的很细致啊，治学严谨，佩服啊，佩服。学习了
吉林小王子 发表于
这个我到没有研究过，你说的有道理，我看了一下，我自己书上的例子也符合你的说法，你观察的很细致啊，治学 ...兄弟过奖了，我是百思不得其解，在你的启发下才有所突破的。
但是还有未解的，左下横纵坐标明白了，但右边和上边仍有两个坐标轴，我还没弄明白。
值得好好学习呀
A biplot is constructed by using the singular value decomposition (SVD) to obtain a low-rank approximation to a transformed version of the data matrix X, whose n rows are the samples (also called the cases, or objects), and whose p columns are the variables. The transformed data matrix Y is obtained from the original matrix X by centering and optionally standardizing the columns (the variables). Using the SVD, we can write Y = ∑k=1,...pdkukvkT;, where the uk are n-dimensional column vectors, the vk are p-dimensional column vectors, and the dk are a non-increasing sequence of non-negative scalars. The biplot is formed from two scatterplots that share a common set of axes and have a between-set scalar product interpretation. The first scatterplot is formed from the points (d1αu1i,&&d2αu2i), for i = 1,...,n. The second plot is formed from the points (d11-αv1j, d21-αv2j), for j = 1,...,p. This is the biplot formed by the dominant two terms of the SVD, which can then be represented in a two-dimensional display. Typical choices of α are 1 (to give a distance interpretation to the row display) and 0 (to give a distance interpretation to the column display), and in some rare cases α=1/2 to obtain a symmetrically scaled biplot (which gives no distance interpretation to the rows or the columns, but only the scalar product interpretation). The set of points depicting the variables can be drawn as arrows from the origin to reinforce the idea that they represent biplot axes onto which the samples can be projected to approximate the original data.
按照上面的试了一下，跟这个不一样，你再琢磨一下
Read more:
热心帮助其他会员
总评分:&热心指数 + 1&
吉林小王子 发表于
A biplot is constructed by using the singular value decomposition (SVD) to obtain a low-rank approxi ...多谢小王子！
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师