R 语言经典实例（原书第 2 版）

394

｜

第

13

章

#>

#> $vectors

#> [,1] [,2]

#> [1,] 0.526 -0.851

#> [2,] 0.851 0.526

使用 eigen(fibmat)$values 或 eigen(fibmat)$vectors 从列表中选择所需的值。

13.4 执行主成分分析

13.4.1 问题

需要识别多变量数据集中变量的主成分。

13.4.2 解决方案

使用 prcomp 函数。该函数的第一个参数是一个公式，公式右侧是变量集，由加号（+）

分隔，公式左侧是空白，例如：

r <- prcomp( ~ x + y + z)

summary(r)

#> Importance of components:

#> PC1 PC2 PC3

#> Standard deviation 1.894 0.11821 0.04459

#> Proportion of Variance 0.996 0.00388 0.00055

#> Cumulative Proportion 0.996 0.99945 1.00000

13.4.3 讨论

R 的基础发布版包括两个用于主成分分析（PCA）的函数：prcomp 和 princomp。帮

助文档提到 prcomp 具有更好的数值属性，因此这里选择该函数。

主成分分析的一个重要用途是减少数据集的维度。假设数据包含

N

个变量，理想情况

下，它们之间是基本独立的，并且贡献了大致相等比例的信息。但是，如果你怀疑某些

变量是冗余的，主成分分析可以给出数据中的差异源的个数。如果该个数接近 ...