
198
|
第
7
章
应选取多少个成分
?
如果我们的目标是降低数据的维度,那么必须确定要选取的主成分数。最常
用的方法是使用
即席
(
ad hoc
)规则,即选择解释了“大部分”方差的成分。
我们可以通过陡坡图以可视化方式进行。例如,在图
7-2
中,很自然地要将
分析限定于前五个成分。另一种方法是选择累积方差超过一定阈值(例如
80%
)的前几个成分。此外,我们还可以通过检查载荷的情况,确定各个成
分是否能给出直观的解释。对于选择重要成分的数量,一种正式的做法是使
用交叉验证(更多信息,参见
4.2.3
节 )。
本节要点
•
主成分是预测变量的线性组合,但仅限于数值型预测变量。
•
主成分计算的原则是使成分之间的相关性最小化,进而减少冗余。
•
通常,有限数量的成分就可以解释结果变量的大部分方差。
•
这样就可以使用一组有限的主成分代替(更多的)原始预测变量,从而降低维度。
7.1.4
拓展阅读
Rasmus Bro
、
Karin Kjeldahl
、
A. K. Smilde
和
Henk A. L. Kiers
于
2008
年发表在
Analytical
and Bioanalytical Chemistry
期刊上的论文“
Cross-Validation of Component Models: A Critical
Look at Current Methods
”详细地介绍了如何在主成分分析中使用交叉验证方法。
7.2
K
-Means
聚类
聚类是一种数据分组技术,使得组内记录彼此相似。聚类的一个目标是识别数据中重要且
有意义的组。这些组可以直接使用,进行更深入的分析 ...