拓端tecdat|R語言主成分分析（PCA）葡萄酒可視化：主成分得分散點圖和載荷圖
原文鏈接：http://tecdat.cn/?p=22492?
原文出處：拓端數(shù)據(jù)部落公眾號
我們將使用葡萄酒數(shù)據(jù)集進行主成分分析。
數(shù)據(jù)
數(shù)據(jù)包含177個樣本和13個變量的數(shù)據(jù)框；vintages包含類標簽。這些數(shù)據(jù)是對生長在意大利同一地區(qū)但來自三個不同栽培品種的葡萄酒進行化學(xué)分析的結(jié)果：內(nèi)比奧羅、巴貝拉和格里格諾葡萄。來自內(nèi)比奧羅葡萄的葡萄酒被稱為巴羅洛。
這些數(shù)據(jù)包含在三種類型的葡萄酒中各自發(fā)現(xiàn)的幾種成分的數(shù)量。
# 看一下數(shù)據(jù)head(no)
輸出
轉(zhuǎn)換和標準化數(shù)據(jù)
對數(shù)轉(zhuǎn)換和標準化，將所有變量設(shè)置在同一尺度上。
# 對數(shù)轉(zhuǎn)換no_log <- log(no)# 標準化log_scale <- scale(no_log)head(log_scale)
主成分分析（PCA）
使用奇異值分解算法進行主成分分析
prcomp(log_scale, center=FALSE)summary(PCA)
基本圖形（默認設(shè)置）
帶有基礎(chǔ)圖形的主成分得分和載荷圖
plot(scores[,1:2], # x和y數(shù)據(jù)pch=21, # 點形狀cex=1.5, # 點的大小legend("topright", # legend的位置legend=levels(vint), # 圖例顯示plot(loadings[,1:2], # x和y數(shù)據(jù)pch=21, # 點的形狀text(loadings[,1:2], # 設(shè)置標簽的位置
此外，我們還可以在分數(shù)圖中的組別上添加95%的置信度橢圓。
置信度橢圓圖函數(shù)
## 橢圓曲線圖elev=0.95, # 橢圓概率水平pcol=NULL, # 手工添加顏色，必須滿足長度的因素cexsize=1, # 點大小ppch=21, # 點類型，必須滿足因素的長度legcexsize=2, # 圖例字體大小legptsize=2, # 圖例點尺寸## 設(shè)定因子水平if(is.factor(factr) {f <- factr} else {f <- factor(factr, levels=unique(as.character(factr)))}intfactr <- as.integer(f) # 設(shè)置與因子水平相匹配的整數(shù)向量## 獲取橢圓的數(shù)據(jù)edf <- data.frame(LV1 = x, LV2=y, factr = f) # 用數(shù)據(jù)和因子創(chuàng)建數(shù)據(jù)框ellipses <- dlply(edf, .(factr), function(x) {Ellipse(LV1, LV2, levels=elev, robust=TRUE, draw=FALSE) #從dataEllipse()函數(shù)中按因子水平獲取置信度橢圓點})## 獲取X和Y數(shù)據(jù)的范圍xrange <- plotat(range(c(as.vector(sapply(ellipses, function(x) x[,1])), min(x), max(x))))## 為圖塊設(shè)置顏色if(is.null(pcol) != TRUE) { # 如果顏色是由用戶提供的pgcol <- paste(pcol, "7e", sep="") # 增加不透明度# 繪圖圖形plot(x,y, type="n", xlab="", ylab="", main=""abline(h=0, v=0, col="gray", lty=2) #在0添加線條legpch <- c() # 收集圖例數(shù)據(jù)的矢量legcol <- c() # 收集圖例col數(shù)據(jù)的向量## 添加點、橢圓，并確定圖例的顏色## 圖例legend(x=legpos, legend=levels(f), pch=legpch,## 使用prcomp()函數(shù)的PCA輸出的軸圖示pcavar <- round((sdev^2)/sum((sdev^2))
基礎(chǔ)圖形
繪制主成分得分圖，使用基本默認值繪制載荷圖
plot(scores[,1], # X軸的數(shù)據(jù)scores[,2], # Y軸的數(shù)據(jù)vint, # 有類的因素pcol=c(), # 用于繪圖的顏色(必須與因素的數(shù)量相匹配)pbgcol=FALSE, #點的邊框是黑色的？cexsize=1.5, # 點的大小ppch=c(21:23), # 點的形狀(必須與因子的數(shù)量相匹配)legpos="bottom right", # 圖例的位置legcexsize=1.5, # 圖例文字大小legptsize=1.5, # 圖例點的大小axissize=1.5, # 設(shè)置軸的文字大小linewidth=1.5 # 設(shè)置軸線尺寸)title(xlab=explain[["PC1"]], # PC1上解釋的方差百分比ylab=explain[["PC2"]], # PC2解釋的方差百分比main="Scores", # 標題cex.lab=1.5, # 標簽文字的大小cex.main=1.5 # 標題文字的大小plot(loadings[,1:2], # x和y數(shù)據(jù)pch=21, # 點的形狀cex=1.5, # 點的大小# type="n", # 不繪制點數(shù)axes=FALSE, # 不打印坐標軸xlab="", # 刪除x標簽ylab="" ? ? ? ? ? ? ?# 刪除y標簽)pointLabel(loadings[,1:2], #設(shè)置標簽的位置labels=rownames(PCAloadings), # 輸出標簽cex=1.5 # 設(shè)置標簽的大小) # pointLabel將嘗試將文本放在點的周圍axis(1, # 顯示x軸cex.axis=1.5, # 設(shè)置文本的大小lwd=1.5 # 設(shè)置軸線的大小)axis(2, # 顯示y軸las=2, # 參數(shù)設(shè)置文本的方向，2是垂直的cex.axis=1.5, # 設(shè)置文本的大小lwd=1.5 # 設(shè)置軸線的大小)title(xlab=explain[["PC1"]], # PC1所解釋的方差百分比ylab=explain[["PC2"]], # PC2解釋的方差百分比cex.lab=1.5, # 標簽文字的大小cex.main=1.5 # 標題文字的大小)
最受歡迎的見解
1.matlab偏最小二乘回歸(PLSR)和主成分回歸(PCR)
2.R語言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析
3.主成分分析(PCA)基本原理及分析實例
4.基于R語言實現(xiàn)LASSO回歸分析
5.使用LASSO回歸預(yù)測股票收益數(shù)據(jù)分析
6.r語言中對lasso回歸，ridge嶺回歸和elastic-net模型
7.r語言中的偏最小二乘回歸pls-da數(shù)據(jù)分析
8.r語言中的偏最小二乘pls回歸算法
9.R語言線性判別分析（LDA），二次判別分析（QDA）和正則判別分析（RDA）
