是否有一个R函数用于将未处理的观测值加载到主成分中？
是的，R语言中有一个函数可以将未处理的观测值加载到主成分中，该函数是prcomp()。
prcomp()函数是R语言中用于主成分分析（PCA）的函数之一。主成分分析是一种常用的降维技术，用于将高维数据转换为低维数据，同时保留数据的主要信息。在主成分分析中，未处理的观测值可以通过prcomp()函数加载到主成分中。
prcomp()函数的语法如下：
prcomp(x, ...)其中，x是一个数据矩阵或数据框，表示待处理的观测值。...表示其他可选参数，如scale用于指定是否对数据进行标准化。
主成分分析可以应用于多个领域，例如数据降维、数据可视化、特征提取等。在云计算领域，主成分分析可以用于处理大规模数据集，提取数据的主要特征，从而减少数据存储和计算的成本。
腾讯云提供了多个与主成分分析相关的产品和服务，例如云服务器、云数据库、人工智能平台等。您可以通过访问腾讯云官方网站（https://cloud.tencent.com/）了解更多关于这些产品的详细信息。
相关·内容
我有一个数据集，其中包含151个变量，这些变量在colinearility中被发现很高，因此我对其进行了主成分回归，方法如下：
ctrl <- trainControl(method = "repeatedcv", repeats = 10, savePred = T)
model <- train(RT..seconds.~., data = cadets100, method = "pcr", trControl = ctrl)
这给了我：- RMSE =65.7R-平方0.443
我只是想知道之后是如何提取这些成分的，这样我就可以说得到应用进一
浏览 2提问于2013-12-10得票数 2
回答已采纳
我有一个有45045个变量的数据框架，R中只有90个观测值。我做了一个主成分分析来降低维度，我将使用14个主成分。我需要做预测，我想尝试使用朴素贝叶斯方法。我不能对转换后的数据使用预测功能，并且我不理解错误。 下面是一些代码： data.pca <- prcomp(data) 我将使用14台PC： newdata <- as.data.frame(data.pca$x[,1:14]) #dimension: 90x14 培训： 库(Naivebayes) mod.nb <- naive_bayes(label ~ newdata$PC1+...+newdata$PC14,
浏览 27提问于2019-10-12得票数 0
我正在尝试使用text2vec复制Arora2017 ( / )。作者通过平均单词嵌入并减去第一主成分来计算句子嵌入。
多亏了text2vec的作者，我可以计算手套嵌入并对它们进行平均。下一步是计算主成分/svd，并从嵌入中减去第一个成分。
我可以使用irlba包(我相信它也在tex2vec中使用)来计算svd，但是接下来我被困在如何准确地从平均单词嵌入中减去de主成分。
本文中的python代码()具有以下功能
def remove_pc(X, npc=1):
"""
Remove the projection on the principal components
浏览 7提问于2018-01-19得票数 0
1回答
我对一个数据框架进行了主成分分析，以减少我的线性回归分析中的预测器数量。
pr.out = prcomp(df, scale=TRUE)
pr.var = pr.out$sdev^2
pve = pr.var/sum(pr.var)
在做完这些之后，我想用前几个解释方差最大比例的主成分来替换我数据框架中的旧变量。但是，在我的一生中，我找不到每个主成分的观测值的向量(即每个数据点的PC1得分)。你知道我如何访问它们吗？例如，我尝试了pr.out$PC1，但它返回NULL。
浏览 14提问于2017-03-09得票数 3
回答已采纳
我试图在矩阵(C)上执行PCA，其中每列代表不同的时间点，每行代表一个特征，我试图找到最主要的主成分，并将它们相互对比。我正在使用mdp模块，如果这个模块返回矩阵，其中每一行代表一个主成分，其中最重要的成分按降序排列，我会感到困惑。
import mdp
C=mdp.pca(C)
print C
import matplotlib.pyplot as plt
plt.plot(C[2,:C.shape[1]], C[1,:C.shape[1]], 'r*')
plt.show()
谢谢!
浏览 1提问于2012-08-25得票数 0
回答已采纳
我使用ARIMA模型来拟合时间序列数据。R中的命令arima工作起来很有魅力。由于我正在处理一个包含15831个观测的相当大的数据集，所以我使用
arima(x, order=c(58), method="CSS")
而不是method="CSS-ML"或method="ML"。现在我正在完成分析，开始写一篇论文。我意识到，我找不到足够的参考"CSS“方法。我想知道是否有人能指引我走向正确的方向。
非常感谢。
相同的
浏览 3提问于2014-03-17得票数 1
我想在R中执行k-means分析，因此我需要数字数据。我尝试了以下几种方法
unlist(pca)
as.numeric(pca)
lapply(pca,as.numeric(pca))
主成分分析只是“正常”的主成分分析数据，如图所示(使用fviz_pca_ind()函数)。
顺便说一句，当我尝试运行k-means分析时，它告诉我"list object list be coerced to type double“。这就是为什么我想把一切都变成数字的原因。
如何将pca数据转换为数字？
谢谢;)
浏览 42提问于2020-02-17得票数 0
2回答
我最近读了PCA (主成分分析)，明白了如何降维。当我们只需要一个维度时，我们选择一个对应于最大特征值的特征向量，但如果需要多个维度，那么我是否应该将特征向量腐蚀到最大特征值？
浏览 2提问于2017-02-01得票数 0
1回答
我想让singular values of a matrix in R得到主成分，然后再做princomp(x)来比较结果
我知道princomp()会给出主成分
问题
如何从$d、$u和$v (解决方案s = svd(x) )中获取主成分？
浏览 3提问于2011-10-03得票数 3
回答已采纳
1回答
我试图利用python进行主成分分析(PCA)人脸识别。我使用的是在matplotlib中找到的类matplotlib。这是文件：
类matplotlib.mlab.PCA(a)计算a的SVD并存储用于PCA的数据。使用项目将数据投影到一组缩小的维度上。
输入: a:数字观测x numdims数组Attrs:输入数字的中心单元σ版本，numcols: mu的尺寸:σ的均值的numdims数组:分形的atandard偏差的numdims数组:每个主分量Wt的方差比例:将一个数字点或数组投影到PCA空间Y:投影到PCA空间的权重向量Y：
系数载荷在Wt因子中，即第一个主成分的因子载荷由Wt
浏览 1提问于2013-04-16得票数 0
2回答
我有一个关于可观测的数组，我想得到一个唯一的可观测值，如果我的数组中的所有可观测值都返回真的话，它将返回true。
我试过这个，但似乎没有用：
const t = [Observable.of(true), Observable.of(false)];
let obs = Observable.of(true);
t.forEach(o => obs = obs.concat(o));
const obsResult = obs.pipe(
takeWhile(val => val !== false),
reduce((acc, val) => acc &
浏览 0提问于2017-12-01得票数 0
我正在使用auto.arima从forecast包创建一个ARIMAX模型。因变量和回归变量是非平稳的。但是，auto.arima()返回一个模型ARIMA(0,0,0)。
我该担心这个吗？我应该强制auto.arima()差分我的时间序列，指定d=1吗？
如果我没有在我的模型中添加任何回归器，它就会检测到非平稳性，最终得到ARIMA(0,1,1)。
我知道这个问题类似于主题，但是我的数据集更大(大约90个观测值)，因此给出的答案并不令人满意。
浏览 5提问于2016-07-21得票数 3
回答已采纳
我的数据中的每一个观察都是用0.1秒的差来收集的。我不称它为时间序列，因为它没有日期和时间戳。在聚类算法(我在网上发现)和主成分分析( PCA )的例子中，样本数据每个案例有一个观察，并且没有时间。但我的数据显示，每辆车每0.1秒就会收集数百个观测数据，而且有很多车辆。
注:我也在quora上问过这个问题。
浏览 0提问于2015-05-29得票数 9
回答已采纳
我有一个矩阵$X$，我想找出它的第一个主成分和相应的载荷。我想在不计算$X$协方差矩阵的情况下这样做。我如何做到这一点呢？
这是标准版本，它使用协方差矩阵的特征分解。
using LinearAlgebra: eigen
using Statistics: mean
function find_principal_component(X)
n = size(X, 1)
B = X .- mapslices(mean, X, dims=[1]) # Center columns of X
evalues, V = eigen(B'B / (n - 1))
浏览 10提问于2021-12-02得票数 2
1回答
把饮料及其原料装入字典
、、、、
我正在用瓶子开发一个web应用程序，现在它是功能强大的。
它的要点是，我有一个饮料的数据库，有相关的ID，以及相关的成分集。饮料的名称和ID传递给显示它们的客户端。
当前，当程序加载时，所有饮料及其相关成分量都被加载到字典列表中，如下所示：
SampleDrinkDict = {'name': 'Screwdriver', 'id': 4, 'vodka':2, 'orange juice':6}
DrinkDictList = []
DrinkDictList.append(SampleDrinkDict)
完成
浏览 0提问于2013-05-13得票数 6
回答已采纳
我试着在R中做主成分分析。我相信有两种方法可以做到。一种是立即进行主成分分析，另一种方法是首先使用s=scale(M)对矩阵进行标准化，然后应用主成分分析。
我如何判断哪个结果更好？我应该特别关注哪些值。我已经使用这两种方法找到了特征值和特征向量，即每个特征向量的方差比例。
我注意到没有标准化的第一个pca的方差比例有更大的值。这有什么意义吗？不是一直都是这样吗？
最后，如果我应该预测一个变量ie权重，当我做主成分分析时，我应该从我的数据矩阵中去掉变量ie权重吗？
浏览 3提问于2009-11-22得票数 3
1回答
选择主成分分析中方差最大的分量
、、、、
我有一个庞大的数据集(32000*2500)，我需要培训。这似乎太多了，我的分类器，所以我决定做一些关于降维，特别是对PCA的阅读。
根据我的理解，PCA选择当前数据并在另一个(x，y)域/比例上重新绘制它们。这些新的坐标没有任何意义，只是数据被重新排列，给出了一个轴的最大变化。在这些新的系数之后，我可以降低具有最小变化的cooeff。
现在，我正试图在MatLab中实现这一点，并且在提供的输出方面遇到了问题。MatLab总是将行视为观察，将列视为变量。因此，我对pca函数的输入将是(32000*2500)大小的矩阵。这将返回大小为2500*2500的输出矩阵中的主成分分析系数。
对常设仲裁院
浏览 2提问于2016-02-27得票数 5
回答已采纳
在生成一个模拟数据集，三个类中的20个观测(即60个观测总数)和50个变量之后，我需要绘制前两个主成分得分向量，使用不同的颜色来表示这三个唯一的类。
我相信我可以创建模拟数据集(请验证)，但我有问题，如何颜色的类和情节。我需要确保这三个类在图中是分开的(否则我需要重新运行模拟数据)。
#for the response variable y (60 values - 3 classes 1,2,3 - 20 observations per class)
y <- rep(c(1,2,3),20)
#matrix of 50 variables i.e. 50 columns and
浏览 0提问于2016-10-28得票数 0
回答已采纳
我尝试使用princomp()和principal()在数据集为USArressts的R中进行主成分分析。然而，我得到了两个不同的加载/旋转和分数的结果。
首先，我将原始数据框居中并归一化，以便更容易比较输出。
library(psych)
trans_func <- function(x){
x <- (x-mean(x))/sd(x)
return(x)
}
A <- USArrests
USArrests <- apply(USArrests, 2, trans_func)
princompPCA <- princomp(USArrests,
浏览 6提问于2016-04-16得票数 1
1回答
我正在使用形态测量执行一些主成分分析，这些测量使用log10进行归一化。我使用以下命令在R中生成PCA：
library(factoextra)
PCA_morpho <- prcomp(dataframe_morpho, scale = TRUE)
在这之后，我制作了一个屏幕图，看看哪些组件解释了使用以下命令获得的差异：
fviz_screeplot(PCA_morpho)
打印的图表在这里：
有没有可能知道哪些输入变量(来自我的"dataframe_morpho")构成了这个屏幕图中的每个“维度”？每个“维度”可以是我的数据中的每个度量？
浏览 6提问于2021-10-21得票数 0
我想将主成分分析(pcomp())应用于具有NA值的数据帧。我知道应用PCA is na值是不可能的，(我仍然尝试了)我得到了错误：Error in na.fail.default(X) : missing values in object。我不想删除任何行，因为它是一个相对较小的样本大小。那么我该怎么做呢？
示例：
> dput(df)
structure(list(Sample1 = 1:5, Sample2 = 11:15, Sample3 = structure(1:5, .Label = c("11",
"12", "13",
浏览 1提问于2020-05-11得票数 0
1回答
我想在python Plotly中绘制类似于biplot的东西，但使用3个主成分来绘制3d图。
如何在plotly python中绘制主成分的方向向量(红线)？
这是完全相同的问题，但是对于R，。我不能完美地翻译代码。
浏览 14提问于2018-01-22得票数 2
回答已采纳
2回答
我很难理解程序中的一些步骤。它们取坐标数据，找出协方差矩阵，应用主成分分析，然后从每个特征值的平方根中提取标准差。我试图重新生产这一过程，但我被困在台阶上。
所采取的步骤
该数据集由一个矩阵R组成，该矩阵包含巴黎的辅助性，(x(i)，y(i))与i=1，.，N为记录的实例总数。将主成分分析应用于R输入数据集的协方差矩阵，得到以下变量：
a)新坐标系的主要组成部分，特征向量u和v，以及
( b)每个主成分解释的总变异性对应的特征值(λ1和λ2)。
使用这些变量，为每个项创建了一个图形表示。两个正交段集中在坐标数据的平均值上。每段的方向由主成分分析的特征向量驱动，每段的长度定义为均值附近的一个标准
浏览 2提问于2019-04-29得票数 0
回答已采纳
我是CGAL库的新手。我想计算一个Surface_mesh对象的主成分分析。 CGAL::Surface_mesh<Kernel::Point_3> mesh;
std::ifstream cactus("cat.off");
cactus >> mesh; 正如我在计算主成分分析的CGAL文档中提到的，仅计算一组点或三角形的主成分分析是here讨论的。 我尝试了下面的代码来适应一行，但是出现了一个错误： #include <CGAL/Exact_predicates_inexact_constructions_kernel.h>
#inc
浏览 55提问于2019-05-14得票数 1
2回答
下面是一个可重复使用的示例： set.seed(10)
pick <- sample(nrow(iris),nrow(iris)/2)
iris.training <- iris[pick,]
iris.testing <- iris[-pick,]
pca.training <- prcomp(iris.training[-5])
pca.testing <- prcomp(iris.testing[-5])
autoplot(pca.training,loadings.label=T,loadings=T)
autoplot(pca.testing,loa
浏览 54提问于2020-12-14得票数 0
回答已采纳
所以我有这个λ表达式：(λf.λx.f(f(f(x)))) (λg.λy.g(g(y)))(λz.z + 1)(0)，我正试着手工计算它。我的想法是，(λf.λx.f(f(f(x))))基本上代表了表达式f(f(f(x)))。然后，同样用(λg.λy.g(g(y)))表示表达式g(g(y))。然后传入g(g(y))来替换f，所以我们得到了g(g(g(g(g(g(y))))))。或者用自己的6时间组成的g。然后，我们传入g的z+1，然后将0插入到最终的表达式中，最后得到6。
>>>(((lambda f: lambda x: f(f(f(x))))(lambda g: lamb
浏览 25提问于2021-06-08得票数 2
3回答
主成分分析
我想知道为什么投影到主分量上的数据会有与主特征向量对应的特征值的方差？
我在课本上找不到解释。
浏览 2提问于2012-08-12得票数 1
回答已采纳
我有一个有2000条观察(行)和600个变量(列)的数据框架。见可复制的示例：
list <- list()
for(i in 1:600){
list[[i]] <- sample(seq(0,0.6,l=2000))
}
df <- as.data.frame(do.call(cbind,list))
我想对变量执行PCA，然后使用lsfit来比较主成分和数据之间的匹配(以及其他一些数据，但是这里没有提到这一点)。我的第一个问题是，当我对数据集执行PCA时，主组件的长度为20000。我希望它们的长度是600。但是，这是通过转换数据帧来解决的。
pc_model &
浏览 1提问于2020-11-03得票数 0
回答已采纳
我非常感谢在没有使用Lumley调查包的情况下在R中指定概率权重的任何帮助。我正在使用Imai等人的中介包在R中进行中介分析，该包目前不支持svyglm。
我目前正在运行的代码是：
olsmediator_basic<-lm(poledu ~ gateway_strict_alt + gender_n + spline1 + spline2 + spline3,
data = unifiedanalysis, weights = designweight).
但是，我不确定这是否正确地加权了数据。原因是这段代码产生的标准错误与我在Stata中得到的标准错误不同。我正在运行的St
浏览 1提问于2012-06-14得票数 0
2回答
背景
试图识别MNIST的主成分数(k)用于主成分分析，目标为95%。
from sklearn.datasets import fetch_openml
mnist = fetch_openml('mnist_784', version=1)
# Split data into training and test
X, y = mnist["data"], mnist["target"]
X_train, y_train = X[:60000], y[:60000]
COVERAGE=0.95
如果我跟着课程机器学习-主成分分析算法，它是6
浏览 0提问于2019-10-30得票数 1
2回答
我目前有一个列多于行的数据矩阵。我为我的PCA使用了psych包中的主函数。我应该能够对此执行PCA，但如果列数多于行数，则似乎无法使其工作。错误消息是关于奇点的。
使用完整矩阵时，错误消息为
Error in solve.default(r, result$Structure) : Lapack routine dgesv: system is exactly singular: U[80,80] = 0
如果我减少了#列，但仍然超过了行数，则错误消息为：
Error in solve.default(r, result$Structure) : system is compu
浏览 19提问于2017-06-14得票数 0
假设一个底层过程从概率为$\alpha$的正态分布中抽取一个数字，从概率为$1 \alpha$的均匀分布中提取一个数字。因此，这个过程产生的观测数序列遵循一个分布$f$，即混合，由2分量、和混合权重 of $\alpha$和$1 - \alpha$组成。如果观测序列是唯一的输入，但参数族是已知的，你会如何用JAGS来模拟这种混合物呢？
示例( R)：
set.seed(8361299)
N <- 100
alpha <- 0.3
mu <- 5
max <- 50
# Which component to choose from?
latent_class <-
浏览 2提问于2016-04-13得票数 3
回答已采纳
我做了主成分分析，取了前两个主成分。我根据两台电脑的分数做了一个我的分数图表。我想在这张图上添加一个95%的置信度区域，对应于Hotelling的T^2测试，以便检测椭圆外的点(异常值)在R中如何可能？你有什么例子吗？
我会这样做，然后检测椭圆之外的点：
浏览 12提问于2017-03-07得票数 2
1回答
我有一个250k观测值的主df，我想向其中添加一组变量，由于left_join/merge-function的行大小( 2^31-1个观测值)的限制，我必须在较小的dfs (5个不同的dfs，每个50k观测值)中计算这些变量。 我现在尝试在主df和5个较小的df上使用left_join或merge函数，以便在每个步骤中为50k的观察值将新变量的列添加到主df中。 mainFrame <- left_join(mainFrame, newVariablesFirstSubsample)
mainFrame <- left_join(mainFrame, newVariablesSe
浏览 26提问于2019-02-04得票数 0
2回答
一组多线性变量的潜在变量
、、、
我有一个由连续的、非正态分布的观测组成的环境数据集.我的目标是从被测的5个变量中构造一个潜在变量。这个结构背后的理论似乎是合理的，但我坚持要把这个想法正式化。
这5个变量是强相关的(二元相关关系.75-.95)，据我所知，这是结构方程建模的问题吗？我试过在R中使用“lavaan”软件包的扫描电镜，但我什么也没有得到。所以我应该坚持SEM并尝试迭代模型，还是应该使用其他方法？
浏览 4提问于2013-11-29得票数 0
回答已采纳
我正在处理来自kaggle的泰坦尼克型数据集，并注意到在数据集的末尾加载了一个缺失/空白的观察值，如截图所示
使用read.csv将数据集加载到R中
使用read_csv将数据集加载到R中
我使用了两种方法来查看差异，但这两种方法都以相同的方式加载，即将数据集中的最后一行/观察值作为NA加载到R中。一个明显的区别是，read_csv将上次观察的所有变量值都加载为NA，而read.csv只加载了其中的一小部分。
titanic_original_read_csv <- read_csv("titanic_original.csv", col_names = TR
浏览 2提问于2017-07-20得票数 0
回答已采纳
3回答
我使用来查找具有大约20000个特性和400+样本的数据集的主组件。
然而，与应该使用的学习PCA相比，我得到了不同的结果.我也没有检查Orange3 PCA提出的规范化选项。
其中第一主成分占总方差的14%，第二主成分占13%等。
对于Orange3，我得到了一个非常不同的结果(第一个主成分的方差~65%，等等)：
使用scikit-learn的代码如下所示：
import pandas as pd
from sklearn.decomposition import PCA
matrix = pd.read_table("matrix.csv", sep='
浏览 6提问于2016-04-04得票数 2
回答已采纳
1回答
假设您将主成分分析应用于数据x_1,...,x_6，并发现可以使用M主组件u_1,...,u_M完全描述数据。原始数据是如何在这些M主成分定义的空间中写入的？
浏览 0提问于2019-01-15得票数 0
回答已采纳
5回答
我正在用R做一个文本分类任务，我获得了一个大小为22490×12万的文档项矩阵(只有400万个非零条目，小于1%的条目)。现在，我想利用主成分分析( PCA )来降低维数。不幸的是，R不能处理这个庞大的矩阵，所以我将这个稀疏矩阵存储在一个文件中，格式为“matrix”，希望使用其他一些技术来进行PCA。
因此，有人能给我一些有用的库(不管编程语言是什么)，它可以方便地用这个大规模矩阵进行主成分分析，或者自己做一个长和主成分分析，换句话说，首先计算协方差矩阵，然后计算协方差矩阵的特征值和特征向量。
我想要的是计算所有PC(12万)，并只选择前N个人电脑，谁占90%的方差。显然，在这种情况下，我必
浏览 16提问于2012-05-23得票数 18
2回答
我已经搜索了相当多的内容，只发现包是一个用于在R中处理和分析面板数据的综合工具包。
我是这个领域的新手，但必须为我的硕士论文做一些分析。
您是否有任何其他R软件包的建议来处理面板数据(观测规模很小，有1,000到50,000次观测，20-30瓦)？
浏览 5提问于2021-02-18得票数 2
回答已采纳
1回答
许多函数可以对R中的原始数据进行主成分分析(PCA)，通过原始数据，我了解任何数据框架或矩阵，这些数据框架或矩阵的行被观察到索引，其列与测量值相一致。我们能在R中的相关矩阵上进行PCA吗？哪个函数可以接受相关矩阵作为R中的输入？
浏览 1提问于2018-11-17得票数 1
回答已采纳
2回答
我有一个回归模型，其中因变量是连续的，但是90%的自变量是绝对的(包括有序的和无序的)，大约30%的记录有缺失的值(更糟糕的是，它们是随机丢失的，没有任何模式，也就是说，超过45%的数据至少有一个缺失值)。没有先验理论来选择模型的规格，因此在进行回归之前，关键任务之一是降维。虽然我知道几种连续变量降维的方法，但我不知道关于分类数据的类似静态文献(除了，作为对应分析的一部分，这基本上是频率表上主成分分析的一种变化)。我还要补充一点，数据集是中等大小的500000观测值，有200个变量。我有两个问题。
对于分类数据的降维和稳健的计算是否有一个很好的统计参考(我认为第一个问题是估算，然后是降维)
浏览 8提问于2010-05-14得票数 24
回答已采纳
1回答
我正在阅读毕晓普的模式识别和机器学习，在关于概率的章节中，多次提到“观测数据中的噪声”。我在互联网上读到，噪音指的是读取数据时的不准确，但我不确定它是否正确。那么，观测数据中的噪声究竟是什么呢？什么是加性噪声和高斯噪声？
浏览 0提问于2016-12-25得票数 2
回答已采纳
1回答
我想把主成分分析应用于卡格尔号的泰坦尼克号
现在我只取有数值的列，去掉幸存的值，所以我有五个变量，如果我们忽略依赖变量(‘NaN’)，实际上是四个。
我已经将其加载到DataFrame df中，如果我使用PCA获取五个组件：
pca_model = PCA(n_components=5)
pca_model.fit(df)
pca_model.explained_variance_ratio_
[ 9.30197643e-01 6.93699966e-02 2.24377672e-04 1.49076254e-04
5.89069784e-05]
我发现93%的
浏览 30提问于2017-03-03得票数 0
2回答
我使用PCA分析中的第一个主成分作为预测模型中的一个解释变量，该模型使用卡尔曼滤波进行递归预测。换句话说，在每个时间点，模型都会根据模型中包含的新观测来更新和生成新的预测。由于PCA使用模型中包含的所有观测数据进行计算，我还需要递归地运行PCAs，只使用我所预测的时间点之前的观测结果(否则，PCA-结果可能会显示关于未来的信息，并帮助该模型产生比其他情况更准确的答案)。我认为循环可能是解决方案，但我正在为如何制定代码而苦苦挣扎。
作为一个更具体的例子，请考虑是否有下面的data.frame
data <- as.data.frame(rbind(c(6,15,23),c(9,11,22)
浏览 0提问于2020-02-20得票数 1
回答已采纳
1回答
所以我有两张床单，masterIngredientList和shoppingList。我的shoppingList中有数据验证，它绑定到masterIngredientList中的一个列。
在主成分表中，我们可以说，G列有成本计算。因此，如果用户在shoppingList中选择洋葱，在相邻的列中，我希望获得该配料的成本。
我试过搜索，但没有结果。
浏览 0提问于2021-03-29得票数 0
回答已采纳
6回答
要取多少主成分？
、、
我知道主成分分析对矩阵进行奇异值分解，然后生成特征值矩阵。为了选择主成分，我们只需取前几个特征值。现在，我们如何确定应该从特征值矩阵中提取的特征值的数量？
浏览 0提问于2012-08-22得票数 44
回答已采纳
3回答
我想在R中执行一个向后的主成分计算，意思是:通过PCA对象本身获得原始矩阵。
这是一个例子：
# Load an expression matrix
load(url("http://www.giorgilab.org/allexp_rsn.rda"))
# Calculate PCA
pca <- prcomp(t(allexp_rsn))
为了获得原始矩阵，应由PCA本身对旋转进行乘，因此：
test<-pca$rotation%*%pca$x
但是，正如您可能检查的，计算的“测试”矩阵与原始的"allexp_rsn“矩阵完全不同。我做错了什么？函数pr
浏览 2提问于2014-07-07得票数 2
回答已采纳
标题中的问题。在调用pca.fit(X)之后，假设我调用了pca.fit_transform(new_X)。new_X是否自动以主成分分析为中心？这方面的文件不清楚。
浏览 2提问于2020-02-17得票数 2
回答已采纳
我有一个数据集，其中包含460 K的观测数据，加载到一个名为data的数据框架中。其中一个变量的定义如下：
$ exeroft1 <int> NA, 105, NA, 205, NA, 102, 220, 102, 102, 220, 230, NA, NA, 105, 102, 210, 203, NA, NA, 107, 103, NA, 203, NA, NA, 105, 107, NA, 102, NA, 107, NA, 107, 103, ...
我需要将exeroft1的每个值传递给以下函数，该函数将该值转换为另一个值：
calculateWeeklyExercis
浏览 0提问于2016-08-19得票数 2
回答已采纳
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
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
