fviz_mclust 中的轴定义
Axes definition in fviz_mclust
我已经使用 Mclust
包来执行潜在聚类分析。可视化集群时,轴标签为 Dim1
和 Dim2
。标签的含义或指示是什么?是PCA尺寸吗?这是显示聚类图的示例 - https://rpkgs.datanovia.com/factoextra/reference/fviz_mclust.html
是的,它是前两个主成分,标签中的百分比表示每个成分解释的方差比例。您可以像这样重新创建它:
library(mclust)
library(factoextra)
data("diabetes")
mc <- Mclust(diabetes[, -1])
fviz_mclust(mc, "classification", geom = "point")
pca = prcomp(scale(mc$data))
pca_plot = data.frame(pca$x,cluster = factor(mc$classification))
variance_explained = round(100*(pca$sdev^2)/sum((pca$sdev^2)),1)
ggplot(pca_plot,aes(x=PC1,y=PC2,col=cluster)) +
geom_point()+
xlab(paste("PC1 : ",variance_explained[1],"%"))+
ylab(paste("PC2 : ",variance_explained[2],"%"))
我已经使用 Mclust
包来执行潜在聚类分析。可视化集群时,轴标签为 Dim1
和 Dim2
。标签的含义或指示是什么?是PCA尺寸吗?这是显示聚类图的示例 - https://rpkgs.datanovia.com/factoextra/reference/fviz_mclust.html
是的,它是前两个主成分,标签中的百分比表示每个成分解释的方差比例。您可以像这样重新创建它:
library(mclust)
library(factoextra)
data("diabetes")
mc <- Mclust(diabetes[, -1])
fviz_mclust(mc, "classification", geom = "point")
pca = prcomp(scale(mc$data))
pca_plot = data.frame(pca$x,cluster = factor(mc$classification))
variance_explained = round(100*(pca$sdev^2)/sum((pca$sdev^2)),1)
ggplot(pca_plot,aes(x=PC1,y=PC2,col=cluster)) +
geom_point()+
xlab(paste("PC1 : ",variance_explained[1],"%"))+
ylab(paste("PC2 : ",variance_explained[2],"%"))