PCA在R中的数据投影

Question

这是功课。

我必须对数据集进行主成分分析。 我已经使用princomp（）函数做到了。 然后，我被要求通过散点图可视化数据，在其中将数据投影到前两个主要组件上。

从princomp（）函数返回的对象具有特征向量的“加载”类。

如何减去两个第一主成分并将它们投影在散点图中的数据上？

编辑：我按照建议使用biplot（princom（df））：

pdf('scatterplot.pdf')

biplot(princomp(keytrain, choices = 1:2), xlab = '1. component', ylab = '2. component')
title('Scatterplot of the first two components projected on the data')

dev.off()

其中keytrain是我的数据框。 我得到了这个情节：

看起来合理吗？

Answer 1

princomp对象生成元素列表（S3对象）。 您可以通过str检查其结构。

(pc.cr <- princomp(USArrests))

> str(pc.cr)
List of 7
 $ sdev    : Named num [1:4] 82.89 14.07 6.42 2.46
  ..- attr(*, "names")= chr [1:4] "Comp.1" "Comp.2" "Comp.3" "Comp.4"
 $ loadings: loadings [1:4, 1:4] -0.0417 -0.9952 -0.0463 -0.0752 0.0448 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:4] "Murder" "Assault" "UrbanPop" "Rape"
  .. ..$ : chr [1:4] "Comp.1" "Comp.2" "Comp.3" "Comp.4"
 $ center  : Named num [1:4] 7.79 170.76 65.54 21.23
  ..- attr(*, "names")= chr [1:4] "Murder" "Assault" "UrbanPop" "Rape"
 $ scale   : Named num [1:4] 1 1 1 1
  ..- attr(*, "names")= chr [1:4] "Murder" "Assault" "UrbanPop" "Rape"
 $ n.obs   : int 50
 $ scores  : num [1:50, 1:4] -64.8 -92.8 -124.1 -18.3 -107.4 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:50] "Alabama" "Alaska" "Arizona" "Arkansas" ...
  .. ..$ : chr [1:4] "Comp.1" "Comp.2" "Comp.3" "Comp.4"
 $ call    : language princomp(x = USArrests)
 - attr(*, "class")= chr "princomp"

可通过pc.cr$scores访问pc.cr$scores 。