如何理解 'prcomp' 结果？ '$sdev'/'$rotation'/'$center'/'$scale$x'
How to understand 'prcomp' result? '$ sdev'/'$ rotation'/'$ center'/'$ scale $ x'
如何理解'prcomp'结果？
在下面的代码 运行 之后，我们得到 prcomp 结果 'res.pca'。
包括'$ sdev'/'$ rotation'/'$ center'/'$ scale $ x'，如何全部理解。谢谢。
library(factoextra)
data("decathlon2")
decathlon.active <- decathlon2[1:23, 1:10]
res.pca <- prcomp(decathlon.active,scales=TRUE)
str(res.pca)
sdev是主成分的s.d，也是协方差矩阵特征值的平方根。
rotation 是一个矩阵，其列包含特征向量，即原始坐标系中的主成分。
在 PCA 中，当您设置选项 scales = TRUE 时，它会缩放数据 decathlon.active，而 center 和 scale 是用于缩放数据的居中和缩放.
最后，x是旋转数据的矩阵，也就是你数据的主成分。
如何理解'prcomp'结果？
在下面的代码 运行 之后，我们得到 prcomp 结果 'res.pca'。
包括'$ sdev'/'$ rotation'/'$ center'/'$ scale $ x'，如何全部理解。谢谢。
library(factoextra)
data("decathlon2")
decathlon.active <- decathlon2[1:23, 1:10]
res.pca <- prcomp(decathlon.active,scales=TRUE)
str(res.pca)
sdev是主成分的s.d，也是协方差矩阵特征值的平方根。
rotation 是一个矩阵，其列包含特征向量，即原始坐标系中的主成分。
在 PCA 中，当您设置选项 scales = TRUE 时，它会缩放数据 decathlon.active，而 center 和 scale 是用于缩放数据的居中和缩放.
最后，x是旋转数据的矩阵，也就是你数据的主成分。