在使用 R、PCA 和绘制累积方差时答案

【问题标题】：While using R, PCA and Plotting Cumulative Variance在使用 R、PCA 和绘制累积方差时
【发布时间】：2019-02-22 17:39:48
【问题描述】：

我正在使用 R 使用缩放数据集和主成分分析 (princomp)。一切正常，但我想绘制主成分的累积百分比方差。摘要提供了此信息，但我还无法访问它。换句话说，我想 y='Cumulative Proportion' from pca vs. 'component#'。

pca <- princomp(class5_subset_scaled)
summary(pca) # summary provides 

Importance of components:
                          Comp.1     Comp.2 ...
Standard deviation     0.0513980 0.04482971 ...
Proportion of Variance 0.2089728 0.15897513 ...
Cumulative Proportion  0.2089728 0.36794789 ...

但是当我看到名字时我很困惑......

names(pc)
[1] "sdev" "loadings" "center" "scale" "n.obs" "scores" "call"

我可以根据 pca 与 x='component#' 绘制 y='Cumulative Proportion' 吗？

【问题讨论】：

请提供一个完全可重复的示例，其中包括princomp中使用的测试数据集

标签： r plot pca

【解决方案1】：

您没有提供任何数据，因此我将使用内部虹膜数据集进行说明。摘要显示了您想要获得的内容。

iPCA = princomp(iris[,1:4])

summary(iPCA)
Importance of components:
                          Comp.1     Comp.2     Comp.3      Comp.4
Standard deviation     2.0494032 0.49097143 0.27872586 0.153870700
Proportion of Variance 0.9246187 0.05306648 0.01710261 0.005212184
Cumulative Proportion  0.9246187 0.97768521 0.99478782 1.000000000

如您所见，princomp 的返回有一个名为 sdev 的组件，即“标准差”

iPCA$sdev
   Comp.1    Comp.2    Comp.3    Comp.4 
2.0494032 0.4909714 0.2787259 0.1538707

方差是标准差的平方。

iPCA$sdev^2
    Comp.1     Comp.2     Comp.3     Comp.4 
4.20005343 0.24105294 0.07768810 0.02367619

方差的比例是方差除以所有方差的总和。

iPCA$sdev^2 / sum(iPCA$sdev^2)
     Comp.1      Comp.2      Comp.3      Comp.4 
0.924618723 0.053066483 0.017102610 0.005212184

而Cumulative Proportion是方差比例的累积和

cumsum(iPCA$sdev^2 / sum(iPCA$sdev^2))
   Comp.1    Comp.2    Comp.3    Comp.4 
0.9246187 0.9776852 0.9947878 1.0000000

现在您有了累积比例值，只需绘制它们即可。

plot(cumsum(iPCA$sdev^2 / sum(iPCA$sdev^2)), type="b")

另外，请注意情节上的比例。根据你打算如何处理情节，你可能真的想要：

plot(cumsum(iPCA$sdev^2 / sum(iPCA$sdev^2)), type="b", ylim=0:1)

【讨论】：