princomp

    1熱度

    1回答

    我在MATLAB如下: >> X = [ 123 982 123 ; 434 233 842; 143 239 583; 733 292 503] X = 123 982 123 434 233 842 143 239 583 733 292 503 [coeff,score] = princomp(X) coeff = -0.3714 0.9202 0.1241 0.

    1熱度

    1回答

    我個人從四個羣體,四個處理和三次重複的數據集。每個人只有一個人口,治療和複製組合。我從每個人身上取得了四次測量結果。我想針對每個羣體,底物和重複組合對這些測量進行PCA。 我意識到如何對所有個體做PCA,我可以將數據集分成多個數據集,用於羣體,底物和複製的每個組合,然後在每個新數據集上執行PCA。 我怎樣才能在完整的數據集獲得獨立的PC1,PC2 ...結果的人羣中,基材每個組合進行PCA,並複製

    6熱度

    1回答

    我希望能夠使用它的加載構建主成分分析的分數,但是我無法弄清楚princomp函數在計算數據集的分數時實際做了些什麼。一個玩具的例子: cc <- matrix(1:24,ncol=4) PCAcc <- princomp(cc,scores=T,cor=T) PCAcc$loadings Loadings: Comp.1 Comp.2 Comp.3 Comp.4 [1,] 0.

    2熱度

    1回答

    我剛開始瞭解PCA,我希望將它用於超過4,00,000行的巨大微陣列數據集。我有我的樣品列和基因/基因座形式的列。我在使用PCA時遇到了一些教程,並遇到了princomp()和prcomp()以及其他一些教程。 現在,正如我在這裏所瞭解的那樣,爲了在雙標圖中繪製樣本,我需要將它們放在行中,並將基因/位點放在列中,因此我將不得不轉換我的數據在用於PCA之前。 但是,由於行數超過4,00,000,我不

    1熱度

    1回答

    默認的顏色,ggbiplot功能給出了黑色負荷爲紅色箭頭和單位標籤圖表: library(ggbiplot) data("USArrests") us <- princomp(USArrests) ggbiplot(us, labels = rownames(us$scores)) 是代碼的結果 如何我改變這些標籤的顏色,順便說一下他們的尺寸或字體?

    1熱度

    2回答

    使用相關矩陣作爲輸入到princomp()我有一個表示一個大的數據集的相關矩陣數據幀: > data V1 V2 V3 V4 V5 V6 V7 V8 1 1.000 0.846 0.805 0.859 0.473 0.398 0.301 0.382 2 0.846 1.000 0.881 0.826 0.376 0.326 0.277 0.415 3 0.805 0.881 1.0

    0熱度

    1回答

    我目前正在嘗試使用SAS中的proc princomp命令和R中的princomp()命令(在統計數據包中)獲得等效的結果。我得到的結果非常相似,導致我懷疑這對兩個命令中的不同選項設置不是問題。然而,這個結果也是不同的,以至於每個數據行的組件得分顯着不同。它們也是符號顛倒的,但這當然不重要。 此分析的最終目標是從PCA生成一組係數,以計算PCA例程之外的數據(即可應用於新數據集以便輕鬆生成評分數據

    0熱度

    1回答

    我有一個小問題,我想刪除我的PCA雙槽的頂部和右側軸(我不知道那個軸的名稱是什麼,對不起),但是我可以'不知道該怎麼做。 有沒有辦法將其刪除? 我讀bty=1的作品只有左側和底部的軸,但它不起作用。 biplot(PC.LC50, col=2:6, xlab="1st Principal Component (71.2%)", ylab="2nd Principal Component (15.9

    23熱度

    1回答

    我想知道測量/參數對計算出的主要分量之一有何貢獻。 一個真實世界的描述: 我已經有五個氣候參數一個物種 我進行了PCA與這五個參數 的PC1的情節VS的地理分佈PC2顯示一個有趣的模式 問題:如何獲得每個PC的貢獻百分比(每個參數)?我期望:PC1由參數1的30%到參數2的50%到參數3的20%,參數4的0%和參數5的0%組成。 PC2由... 5僞參數的一個例子: a <- rnorm(10,

    1熱度

    1回答

    我是R大一新生。我想展示信息矩陣Σ與特徵向量和特徵值之間的關係。 我知道Σ可以因式分解使得:∃P,∃D:Σ= P.D.P'是特徵向量矩陣,D是對角線元素的對角元素是對應的特徵值。但是我的結果與協方差矩陣不一樣。我的Σ等於相關矩陣。 這裏是我的代碼: > data<-scale(swiss,center=T,scale=F) > test<-princomp(data,cor=T) > D=te