使用R中的model.matrix函数拟合PCA

Question

因此，我正在处理一个数据集，其中包含有关泰坦尼克号上乘客的数据，您可以在此处找到。

因此，我在这里使用提供的火车数据。 我想通过使用model.matrix函数创建仅包含数字（无因子！）的数据集的模型矩阵。

之后，从该数据集中删除Survived变量。

从这个矩阵中，我想将PCA拟合到上一步中的矩阵，并绘制观测值的分数（仅使用前两个维度），然后根据Survived变量为它们着色。

我尝试了几种方法来执行此操作，但它似乎不准确，也没有颜色。

 library(readr)
 library(dplyr)
 titanic_train <- read_csv("C:/Users/johnt/Desktop/Statistical Data Mining/HW 1/train.csv")

 titanic_train <- titanic_train %>% 
   select(Survived, Pclass, Sex, Age, SibSp, Parch, Fare, Embarked) %>% 
   mutate(Fare = log(Fare))


 ###### Model Matrix

 mm <- titanic_train %>% 
   select(Pclass, Age, SibSp, Parch, Fare, Survived) 

 titan <- model.matrix(-Survived ~., mm)

 #Clean it up
 titan <- titan[,-1] #remove intercept column
 titan <- scale(titan)
 titan[is.na(titan)] <- 0

 #PCA
 titan2 <-prcomp(titan[,-5], center = TRUE, scale. = TRUE)
 titan2


 plot(titan2$x[,1:2],col=mm$Survived)

Answer 1

您尝试过ggbiplot(titan2)吗？

当然，如果要这样做，则必须先过滤以仅使用前两列，然后才能在prcomp上运行它

您能否举例说明PCA的外观？