博客
关于我
R_R语言做主成分分析
阅读量:72 次
发布时间:2019-02-25

本文共 558 字,大约阅读时间需要 1 分钟。

首先,我们需要加载必要的库以支持后续的数据分析操作。代码如下:

library(psych)

接下来,我们从iris数据集中获取前四列数据,用于进行主成分分析。代码如下:

mydata <- iris[,1:4]

为了确定最优的主成分个数,我们可以使用scree plot方法。代码如下:

mydata.screePlotsModel <- fa.parallel(mydata, fa="pc", n.iter=100, show.legend=F, main="Scree Plot Analysis")

通过上述代码,我们可以得到最优的主成分个数。代码如下:

n <- mydata.screePlotsModel$ncomp

接下来,我们对数据进行主成分分析。代码如下:

mydata.pr <- princomp(mydata, scores=T, cor=TRUE)

为了直观地展示主成分分析结果,我们可以绘制scree plot图。代码如下:

screeplot(mydata.pr, type="line", main="Scree Plot", lwd=2)

最后,我们可以对主成分分析结果进行摘要,以获取更多详细信息。代码如下:

summary(mydata.pr, loadings=TRUE)

转载地址:http://kie.baihongyu.com/

你可能感兴趣的文章
python实现非参数统计的Cochran检验 (附完整源码)
查看>>
python 怎么验证是否安装成功 scrapy
查看>>
Python 手写数字识别-1
查看>>
Python实现接口自动化测试库(JSON与Requests)详解
查看>>
Python 手写数字识别-3-sklearn中的几种算法
查看>>
python实现SSIM和MSSSIM计算 (附完整源码)
查看>>
Python 打开文件注意事项
查看>>
python 批量修改文件名_python windows下批量修改文件名
查看>>
Python 抓取网页乱码问题 以及EXCEL乱码
查看>>
python 抓取网页内容
查看>>
python 按照当前日期创建文件
查看>>
Python 接口并发测试详解
查看>>
Python 接口自动化 —— requests框架
查看>>
python 接口自动化数据结构(如列表、字典、元组)
查看>>
Python 接口自动化测试中的深拷贝与浅拷贝~
查看>>
Python 接口自动化测试中的高阶函数
查看>>
python 控制 cmd 命令行颜色
查看>>
Python 操作 Azure Blob Storage
查看>>
Python 操作 Excel 全攻略 | 包括读取、写入、表格操作、图像输出和字体设置
查看>>
Python 操作 JMeter 探索:pymeter 实操指南
查看>>