與R的多重對應分析

Question

HI， 我的問題是技術（使用R）和統計。我正在研究圖像處理研究項目，我需要執行MCA。我以前發佈的有關如何使用Java Multivariate correspondence analysis (MCA) with JAVA做的問題，這要歸功於我決定做用R.它的答案，所以這裏是： 我從提取的特徵創造了一個應急表，該表的形式爲：

  var1_1 var1_2 var1_3 var2_1 var2_2 var2_3 ... var18_1 var18_2 var18_3 

individual1
individual2
individual3
individual4
...
individualn

---

在每個單元格中，我有一個double值，表示0.0到1.0之間的歸一化頻率計數。我的最終目標是能夠使用MCA將每個人繪製在不同的軸組合上。

我所做的：用FDATA <

• - 函數read.table（ 「filename.dat」）讀取被Java
• 使用mca_obj <導出的矩陣文件 - dudi.acm（ FDATA，scann = FALSE，NF = 3） 這給了一個錯誤，說所有的值應該是一個因素（有人能澄清這是什麼意思倍）
• 使用burt_data = acm.burt（FDATA，FDATA）至ü瑟伯特的方法，因爲我有很多變數
• 這給了我非常大的表我無法理解（我刪除的行名試行）

因此得出結論： 我知道我我非常接近找到在我的數據上執行MCA的正確方法，我只需要一些關於如何正確執行它的提示。任何人都可以請幫忙！

感謝名單

Answer 1

這是很難提供真正具體的反饋你的情況，因爲它是很難猜測你的數據是什麼樣子。

這裏是我建議你做：

1. 使用功能mca在包MASS做對應分析
2. 研究在幫助文件中提供的例子：?mca

你會發現mca的要求也是一個由因素組成的數據幀。 （有關更多信息，請參閱幫助文件?factor。）但mca中的示例說明了這一點。它使用如包MASS的一部分供給的數據集farms：

library(MASS) 
head(farms) 

    Mois Manag Use Manure 
1 M1 SF U2  C4 
2 M1 BF U2  C2 
3 M2 SF U2  C4 
4 M2 SF U2  C4 
5 M1 HF U1  C2 
6 M1 HF U2  C2 

請注意，在表中的每個點是一個因素的條目。這意味着您將不得不將輸入數據修改爲相似的格式。你提到你的輸入數據是一個頻率表，這不是所需的數據格式。

farms.mca <- mca(farms, abbrev=TRUE) 
farms.mca 
plot(farms.mca) 

Answer 2

編輯：

如果我理解正確的話，你的數據不適合任何MCA功能。您需要原始數據，而不是任何類型的標準化頻率計數。 MCA處理分類變量，而不是數字。你需要的是在檢測數據：

   color beak ... 
individual1 red  big 
individual2 red  small 
individual3 blue medium 
individual4 green small 
... 

如果標準化後的頻率實在是你的數據，你有數值數據，你不能對執行MCA。

---

factor一個是R中的載體類型，它可以被看作是一個絕對或枚舉類型。如果你有數據，上述格式，你仍然有字符變量代替因子變量，你可以用

fdata2 <- as.data.frame(lapply(fdata,as.factor)) 

這一個，你應該能夠在dudi.acm()功能使用轉換您FDATA。

關於伯特表：當然，一個是巨大的。這是矩陣乘法X'X，其中X是您的因素的指標矩陣。所以你得到一個表（實際上是一個數據框），其中rownames和columnames形成爲nameOfFactor.nameOfLevel。所以如果你有5個等級的4個因素，你就會有一個20x20的矩陣。

您可以使用這些知識來剖析Burt表並獲取一些感興趣的因素的信息。繼在幫助文件的例子，你可以這樣做：

require(ade4) 
data(banque) 
banque.acm <- dudi.acm(banque, scann = FALSE, nf = 3) 
bb <- acm.burt(banque, banque) 

idrow <- grepl("csp.",rownames(bb),fixed=T) 
idcol <- grepl("duree.",names(bb),fixed=T) 

> bb[idrow,idcol] 
      duree.dm2 duree.d24 duree.d48 duree.d812 duree.dp12 
csp.agric   3   6   6   3   11 
csp.artis   7   3  15   13   10 
csp.cadsu  13  19  32   9   30 
csp.inter  12  14  19   25   32 
csp.emplo  13  19  38   28   53 
csp.ouvri  12  26  46   43   56 
csp.retra   4   8   9   7   24 
csp.inact  15  14  22   15   19 
csp.etudi  12  23  20   1   1 

，讓你的因素，CSP和綿延在數據幀伯特表。