Блог

Главная - Вопросы по программированию - Построение данных PCA для разных компонентов

Построение данных PCA для разных компонентов

#r #pca #prcomp

#r #pca #prcomp

Вопрос:

Не уверен, связано ли это с моими ограниченными знаниями R или просто невозможно, но вот моя проблема.

У меня есть набор данных, состоящий из множества химических сигнатур для нескольких образцов. Чтобы найти возможные корреляции, я запустил PCA, и теперь мне нужно будет отображать каждую выборку (после проецирования на каждый компонент) в зависимости от ее номера выборки вместо того, чтобы иметь биплот с двумя основными компонентами (да, я знаю, это странно, но мне действительно нужно сделать это таким образом).

Я опубликую фиктивный набор данных и способ, которым я запускаю PCA

 depth<-c(1:1000)
Na<-runif(1000, min=50, max=100)
K<-runif(1000, min=0, max=10)
Mg<-runif(1000, min=5, max=20)
Ca<-runif(1000, min=5, max=20)
Cl<-runif(1000, min=50, max=50)
NO3<-runif(1000, min=10, max=75)
SO4<-runif(1000, min=50, max=200)

data<-data.frame(depth, Na;K,Mg,Ca,Cl,NO3,SO4)
GV7.pca<-prcomp(data[,c(2:8)])

И теперь я застрял. Мне нужно отобразить их и увидеть для каждого образца, по сути, его «значение», проецируемое на каждый компонент, а затем увидеть изменчивость в зависимости от глубины выборки: обычно я бы использовал ggbiplot(GV7.pca) для получения быстрого графического представления моих данных, но это учитывает только первые два основных компонента (и меня интересуют некоторые менее значимые), а количество данных, которые у меня есть, делает так, что почти невозможно что-либо увидеть.

Есть идеи?

Комментарии:

1. Вы можете найти все сгенерированные компоненты GV7.pca$x , однако я не мог представить, что вы хотите построить, можете ли вы объяснить, может быть, что должно быть на оси x, а что должно быть на оси y, или, возможно, опубликовать пример графика, который вы хотели бы иметь

2. Обычно вы используете экранную диаграмму, чтобы увидеть наиболее важные компоненты, которые (надеясь) меньше переменной (это модель пространственного сокращения, т. Е. Rn -> Rm с m< n). Возможно, было бы полезно узнать ваши цели. Технически вы также можете сделать биплот для каждой комбинации основных компонентов, но я не знаю, какой смысл имеет смысл, не зная ваших целей.