在 FactoMiner R 中提取主成分
Extracting Principal Components in FactoMiner R
我正在尝试在 FactoMiner 中使用 PCA 提取协方差矩阵的主成分。但是,出于某种原因,我只在 var-->coord 变量
中看到 n-1 个组件
library(FactoMineR)
x = matrix(rnorm(10000),nrow = 100,ncol = 100)
y = PCA(x,ncp = 100,graph = FALSE)
dim(y$var$coord)
这导致输出 100 99。我是这个包的新手,希望获得更多见解
对 p 个变量和 n 个观测值执行的主成分分析的最大维数为 min(p;n-1)。你有一个 100x100 的矩阵,所以它是 min(100;99) = 1。用 100x101 的矩阵试试这个,你将能够提取 100 个维度:
x = matrix(rnorm(10100),nrow = 101,ncol = 100)
y = PCA(x,ncp = 100,graph = FALSE)
dim(y$var$coord)
[1] 100 100
也就是说,PCA 的全部意义在于将您的数据减少到几个维度,因此尝试全部使用它们达不到目的。
我正在尝试在 FactoMiner 中使用 PCA 提取协方差矩阵的主成分。但是,出于某种原因,我只在 var-->coord 变量
中看到 n-1 个组件library(FactoMineR)
x = matrix(rnorm(10000),nrow = 100,ncol = 100)
y = PCA(x,ncp = 100,graph = FALSE)
dim(y$var$coord)
这导致输出 100 99。我是这个包的新手,希望获得更多见解
对 p 个变量和 n 个观测值执行的主成分分析的最大维数为 min(p;n-1)。你有一个 100x100 的矩阵,所以它是 min(100;99) = 1。用 100x101 的矩阵试试这个,你将能够提取 100 个维度:
x = matrix(rnorm(10100),nrow = 101,ncol = 100)
y = PCA(x,ncp = 100,graph = FALSE)
dim(y$var$coord)
[1] 100 100
也就是说,PCA 的全部意义在于将您的数据减少到几个维度,因此尝试全部使用它们达不到目的。