多元统计分析及R语言建模-第8章 主成分分析(PCA)

本文详细介绍了主成分分析(PCA)的核心思想,即通过降维方法提取数据主要成分,简化冗余特征。文章以R语言为例,演示了如何使用princomp()函数进行主成分分析,并通过screeplot()函数绘制碎石图确定主成分数量。此外,还展示了数据标准化、计算特征值和特征向量、计算主成分得分等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

# 第8章 主成分分析
# 主成分分析的核心思想是通过降维的方法,把数据信息的主要成分提取出来,将多个冗余特征简化为一个特征的过程。


# 例8-1
x1 = c(171,175,159,155,152,158,154,164,168,166,159,164)
x2 = c(57,64,41,38,35,44,41,51,57,49,47,46)
plot(x1,x2,xlim=c(145,180),ylim=c(25,75))
lines(c(150,178), c(33,66)); text(180,68,"y1")
lines(c(161,168), c(60,38)); text(161,63,"y2")
# 有几个变量就有几个主成分


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值