PCA 使用行而不是列作为变量

Question

我在尝试运行对我的数据进行主成分分析时遇到了一个棘手的问题。我尝试使用 prcomp(base) 和 rda(vegan)，但分析将列视为样本单位而不是行，这会导致分析出现各种问题。

以下代码是对我的数据的简化。实际数据集由近 2000 列和大约 350 行组成。但是，当我运行下面的脚本时，问题是一样的：

rn <- rnorm(8000)
dt <- matrix(rn, nrow=80, ncol=1000)

result <- rda(dt, scale=T)
summary(result)

起初我以为这是一个常见的错误，但是我找不到任何类似的问题或解决方案。

有没有办法明确指定使用哪个维度作为样本单位？

Answer 1

虽然您可以使用 SVD 方法对具有更多变量 p 的数据集执行 PCA，而不是观察 n，最多有 n 个主成分，或者 n-1 如果数据居中。

如果你深入研究你拟合的 PCA 的结果，你会发现它考虑了所有变量并且它们仍然是变量：

> r2 <- rda(dt, scale=T)
> dim(scores(r2, display = 'species'))
[1] 1000    2

'species' 是 vegan 引用变量加载的方式；有 1000 个变量。

与prcomp()比较，同样使用了SVD：

> r1 <- prcomp(dt, scale = TRUE)
> dim(scores(r1, display = 'species'))
[1] 1000   80

同样是 1000 个变量，80 个主成分（这里 80 的原因，而之前的 2 只是 choices 的默认值，即提取分数的轴。）

PCA using rows as variables instead of columns