1回答
我正在使用缩放数据集和主成分分析(princomp)处理R。一切都很好，但我想要将主成分的累积%方差绘制成图表。摘要提供了此信息，但我还无法访问它。换句话说，我想要y='Cumulative Proportion‘，从pca vs. 'component#’。pca <- princomp(class5_subset_scaled)
Impo
浏览 18提问于2019-02-23得票数 3
回答已采纳
1回答
我正在尝试将PCA降维应用于684x1800(观察值x特征)的数据集。我想减少功能的数量。当我执行PCA时，它告诉我要获得解释的100%方差，应该有684个特征，所以我的数据应该是684x684。有没有什么解释，或者我用错了PCA？ 我知道需要684个分量来解释整个方差，因为我绘制了.explained_variance_ratio的累积和，结果是1乘以684个分量。也是因为下面的代码。我的代码基本上是： pca =
浏览 14提问于2020-12-14得票数 1
回答已采纳
我使用prcomp在r中运行PCA。当我输出汇总时，即标准差、方差比例、累积比例，结果总是排序的，实际的列名被PC1，PC2替换。因此，我不能说出每一列的确切方差比例。有没有人可以向我展示或者给我一些提示，告诉我在输出汇总结果时如何显示列。这里附了两张结果图： ? ?
浏览 36提问于2019-10-15得票数 0
我目前正在学习主成分分析和R prcomp函数。ggplot生成一个很好的scree图，它显示了每个主成分对总方差的累积贡献。我可以手动计算，从协方差矩阵开始，使用类似于cumsum(eigenvals)/iris1.cov.trace的方法。然而，根据summary(iris1.PCA)，prcomp输出已经为我们计算了累计比例！那么，我们如何利用summary(iris1.PCA)对象和ggplot的这一部分来生成一个漂
浏览 2提问于2021-02-19得票数 0
回答已采纳
1回答
我使用FactoMineR包之外的prcomp函数在相当大的3000x500数据集上执行了PCA分析。这里是我的图景，因为它很大，所以它只包含了80%的方差。我能把这个情节分成两个情节吗？编辑可复制的示例：
这只是使用R中已经
浏览 4提问于2019-12-06得票数 0
4回答
在R. summary(pca)中的pca在其最后一行返回此结果之后，我希望检索解释方差的累积比例，但是如何提取这一行呢？Cumulative Proportion 0.6201 0.8675 0.95664 1.00000
我尝试了s <- summary(prcomp(USArrests, scale = TRUE))和s3
浏览 7提问于2014-05-26得票数 12
回答已采纳
1回答
PCA分析中的纯度分数低于预期
、、、、
我正在尝试根据PCA中捕获的方差绘制纯度得分的折线图。我们的目标是根据捕获的89%和99%的方差绘制纯度分数的折线图。在我的代码中，当组件/维度为2时，它捕获89%的方差，当组件/维度为4时，它捕获99%的方差。= PCA()purity = []for k in n_
浏览 9提问于2020-08-25得票数 0
今天我想知道如何在图上找到特定值并绘制正确的直线。我曾经在一个旧的图表库上这样做，我想知道也许这个功能存在，但我不知道如何找到它。结果应该如下所示：https://miro.medium.com/max/1070/1*Ckhi9soE9Lx2lIf9tPVLMQ.png 为了提供一些背景，我正在对我的数据进行PCA，我想指出一些阈值在97.5，99和99.5%的解释累积方差。
浏览 4提问于2019-10-10得票数 0
2回答
无选择元件的降维
、、、
我想在我的流水线中使用降维算法。我有2k特性，我正在使用xgboost。我的模型是每天重建(有新的记录，应该涉及到培训集)。你知道我该如何处理这个案子的数据吗？
浏览 0提问于2020-03-08得票数 0
回答已采纳
1回答
我正在使用R中的插入符号中的preProcess()获取主成分分析组件，并获得定量结果。dataPCA <- preProcess(data[1:ncol(data)-1], method = "pca", thresh = 0.95)print(dataPCAdataPCA,dataTrain[,1:ncol(dataTrain)-1])
PCATest <- predict(dataPCA,dataTest[,1:ncol(dataTest)-1]) 但是，我想绘制
浏览 14提问于2019-03-15得票数 0
回答已采纳
在机器学习中，采用主成分分析(PCA)将n维数据降为k维数据，以加快学习速度。应用PCA后，可以检查原始数据集的方差在结果数据集中仍有多少。一个共同的目标是保持90%到99%之间的差异。我的问题是:尝试k参数的不同值(结果数据集的维数的大小)，然后根据一些交叉验证数据集检查结果，就像我们选择正则化、lambdas和阈值等其他超参数的好值一样，这被认为是一种良好的实践吗？
浏览 0提问于2019-03-27得票数 8
在预形成PCA后，我有我的(重标度和方差比例解释)数组和和1。我必须要有许多组件才能得到一个好的屏幕图-因此我希望能够以某种方式设置所需的累积和，并得到数组中我需要多少个组件。举个例子，[0, 1, 2, 3, 4, 5]和我想要6的累积和，我得到了答案，我需要四个条目。
浏览 2提问于2020-02-12得票数 1
回答已采纳
在以下在PCA之后运行的代码中，我可以看到X个组件数解释了Y%的累积解释方差(CEV)。我想知道plt.plot(np.cumsum(pca.explained_variance_ratio_))
plt
浏览 0提问于2018-10-11得票数 0
回答已采纳
1回答
JS或R中的置信椭圆公式
、、、
：PCA的散点图(图)。在JS中作图。我使用Rtools将PCA数据推送到客户端。我似乎找不到一个直接向前公式的CI椭圆。我在R中遇到了很多理论和例子，它们给出了最终的结果--椭圆(可以用ggplot或CRAN来绘制它)。但是我正在寻找一个公式，我可以在客户端用它来插上我的散点图点，计算椭圆，或者更好的是，在R中的一个函数，给我一个椭圆的公式。我也有协
浏览 7提问于2016-12-07得票数 0
1回答
我有一些使用PCA的经验，但这是我第一次尝试使用PCA处理光谱数据…… 我有一个包含光谱的大型数据，其中我使用prcomp命令为整个数据集计算PCA。我的结果显示，3个分量可以解释99%的方差。我想绘制三个PCA分量在每个波长(以4200-1000 nm为步长)的贡献图，就像我在这个网站上找到的图2的例子：https://learnche.org/pid/latent-vari
浏览 16提问于2019-04-07得票数 0
回答已采纳
我一直试图使用自动绘图(在ggfortify R包中)来绘制PCA坐标中的数据点。对于数据矩阵D2，在主成分1+2的空间内产生一个点的散点图很好。然而，PCA分量1+2只解释了大约30%的协方差，我想对PCA 1+3、2+3和3+4等做同样的解释。自图中是否有一个简单的论点可以让我这样做，如果没有，我可以使用的最简单的
浏览 2提问于2017-07-11得票数 2
回答已采纳
我想用包因子绘制PCA的结果。当绘制PCA时，很好的做法是调整图形的大小，使其H/L比与每个轴所解释的%方差成比例。因此，我首先尝试简单地通过拉伸窗口来调整图形的大小:它显然失败了，并且将点保持在中间，而不是拉伸它们。library(FactoMineR)
然后，我试图强制xlim和ylim参数被修复(?plot.PCA)。plot.PCA</e
浏览 5提问于2016-11-08得票数 0
回答已采纳
我想在R中生成一些很好的PCA图，就像往常一样，在R中，有几种方法可以进行主成分分析。到目前为止，我发现了3种计算组件的不同方法和3种绘制它们的方法。我想知道，熟悉这些功能的人是否能给我一些关于如何最佳组合功能的建议，以产生以下情节：
pr
浏览 2提问于2012-07-26得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
