主成分旋转

最新推荐文章于 2023-06-16 22:28:26 发布

转载

最新推荐文章于 2023-06-16 22:28:26 发布 · 2.7k 阅读

6 ·

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/u/1785519/blog/1563567

文章标签：

#人工智能 #python #r语言

本文介绍了主成分分析中的旋转方法，包括正交旋转（rotate='varimax'）和斜交旋转（rotate='promax'），详细阐述了这两种旋转方式在数据分析中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2019独角兽企业重金招聘Python工程师标准>>>

旋转

旋转是一系列将成分载荷阵变得更容易解释的数学方法，它尽可能的对成分去噪

旋转方法有两种
正交旋转(rotate="varimax")

使得成分保持不相关（正交旋转）

斜交旋转(rotate="promax")

使得成分相关

最流行的正交旋转是 方差极大旋转，它试图对载荷的列进行去噪，使得每个成分只由一组有限的变量来解释（即载荷阵每列只有少数几个很大的载荷，其他的都是很小的载荷）

身体测量数据使用方差极大旋转

> rc <- principal(Harman23.cor$cov, nfactors=2, rotate="varimax") #rotate=“varimax”方差极大旋转
> rc
Principal Components Analysis
Call: principal(r = Harman23.cor$cov, nfactors = 2, rotate = "varimax") 
Standardized loadings (pattern matrix) based upon correlation matrix
                RC1  RC2   h2    u2 com
height         0.90 0.25 0.88 0.123 1.2
arm.span       0.93 0.19 0.90 0.097 1.1
forearm        0.92 0.16 0.87 0.128 1.1
lower.leg      0.90 0.22 0.86 0.139 1.1
weight         0.26 0.88 0.85 0.150 1.2
bitro.diameter 0.19 0.84 0.74 0.261 1.1
chest.girth    0.11 0.84 0.72 0.283 1.0
chest.width    0.26 0.75 0.62 0.375 1.2

                       RC1  RC2
SS loadings           3.52 2.92
Proportion Var        0.44 0.37  #两个主成分旋转后累积方差解释性没有变化
Cumulative Var        0.44 0.81
Proportion Explained  0.55 0.45
Cumulative Proportion 0.55 1.00

#[.....已删除额外输出....]

 
          x 
         
> rc <- principal(Harman23.cor$cov, nfactors

最低0.47元/天解锁文章

200万优质内容无限畅学