แสดงภาพล้านฉบับ PCA

31

เป็นไปได้หรือไม่ที่จะเห็นภาพผลลัพธ์ของการวิเคราะห์องค์ประกอบหลักในรูปแบบที่ให้ข้อมูลเชิงลึกมากกว่าแค่ตารางสรุป? เป็นไปได้ไหมที่จะทำเมื่อจำนวนการสังเกตมีขนาดใหญ่พูด ~ 1e4 และเป็นไปได้หรือไม่ที่จะทำใน R [สภาพแวดล้อมอื่น ๆ ยินดีต้อนรับ]?

r data-visualization pca biplot

— Gappy
แหล่งที่มา

2

คำถามสองสามข้อ: คุณมีองค์ประกอบกี่ตัว นอกจากขนาดตัวอย่างแล้วมีอะไรที่ทำให้การแสดงผลของ PCA นี้จำเป็นต้องแตกต่างจากการแสดงของตัวแปรต่อเนื่องอื่น ๆ ที่อาจมีการจัดการหรือไม่ คุณพยายามเปรียบเทียบคะแนนของกลุ่มต่าง ๆ กันหรือไม่และถ้าเป็นจำนวนเท่าไหร่ โดยทั่วไปคุณคาดหวังว่าจะได้อะไรจากจอแสดงผลของคุณ

— rolando2

53

biplotเป็นเครื่องมือที่มีประโยชน์สำหรับการแสดงผลของการ PCA จะช่วยให้คุณเห็นภาพคะแนนองค์ประกอบหลักและทิศทางพร้อมกัน ด้วยการสังเกต 10,000 ครั้งคุณอาจพบปัญหากับการวางแผนมากเกินไป การผสมอัลฟ่าสามารถช่วยได้

นี่คือพีซี biplot ของข้อมูลไวน์จากที่เก็บ UCI ML :

พีซี Biplot ของข้อมูลไวน์จาก UCI ML Repository

คะแนนสอดคล้องกับคะแนน PC1 และ PC2 ของการสำรวจแต่ละครั้ง ลูกศรแสดงถึงความสัมพันธ์ของตัวแปรกับ PC1 และ PC2 วงกลมสีขาวบ่งชี้ขอบเขตสูงสุดของลูกศร จุดไข่ปลานั้นเป็นจุดไข่ปลาข้อมูล 68% สำหรับข้อมูลทั้งสามสายพันธุ์ของไวน์

ฉันได้ทำรหัสสำหรับการสร้างพล็อตนี้สามารถใช้ได้ที่นี่

— vqv
แหล่งที่มา

5

การเพิ่มไดนาไมต์จริงๆ

— rolando2

1

$1$

p \times 2

$p \times 2$

V

$V$

V V^{T}

$VV^T$

V

$V$

4

พล็อต Wachter สามารถช่วยให้คุณเห็นภาพค่าลักษณะเฉพาะของ PCA ของคุณ มันเป็นพล็อต QQ ของค่าลักษณะเฉพาะเทียบกับการแจกแจง Marchenko-Pastur ฉันมีตัวอย่างที่นี่: พล็อต Wachter แสดงค่าลักษณะเฉพาะที่โดดเด่น มีค่าลักษณะเฉพาะที่โดดเด่นซึ่งอยู่นอกการกระจาย Marchenko-Pastur ประโยชน์ของพล็อตประเภทนี้ขึ้นอยู่กับใบสมัครของคุณ

— shabbychef
แหล่งที่มา

7

การรู้เพิ่มเติมที่นี่จะเป็นประโยชน์ (อาจเป็นคำอธิบายเพิ่มเติม & / หรือลิงก์ที่มีประโยชน์) การกระจาย Marchenko-Pastur คืออะไร? มันเกี่ยวข้องกับ PCA อย่างไร หมายความว่าอย่างไรสำหรับผลลัพธ์ของคุณหากมีหรือไม่ (ฯลฯ )

— gung - Reinstate Monica

0

คุณสามารถใช้แพ็คเกจจิตได้เช่นกัน

นี้มีวิธีการ plot.factor ซึ่งจะพล็อตส่วนประกอบที่แตกต่างกันกับรูปแบบของเมทริกซ์กระจาย

— richiemorrisroe
แหล่งที่มา