R語言主成分分析的案例

1、R語言主成分分析的案例R語言也介紹到案例篇了，也有不少同學(xué)反饋說還是不是特別明白一些基礎(chǔ)的東西，希望能夠有一些比較淺顯的可以操作的入門。其實(shí)這些之前SPSS實(shí)戰(zhàn)案例都不少，老實(shí)說一旦用上了開源工具就好像上癮了，對于以前的SAS、clementine之類的可視化工具沒有一點(diǎn)感覺了。本質(zhì)上還是覺得要裝這個(gè)、裝那個(gè)的比較麻煩，現(xiàn)在用R或者python直接簡單安裝下，導(dǎo)入自己需要用到的包，活學(xué)活用一些命令函數(shù)就可以了。以后平臺(tái)上集成R、python的開發(fā)是趨勢，包括現(xiàn)在BAT公司內(nèi)部已經(jīng)實(shí)現(xiàn)了。    今天就貼個(gè)鹽泉水化學(xué)分析資料的主成分分析和因子分析通過R語言數(shù)據(jù)挖掘的小李子：&

2、#160;   有條件的同學(xué)最好自己安裝下R，操作一遍。今有20個(gè)鹽泉，鹽泉的水化學(xué)特征系數(shù)值見下表.試對鹽泉的水化學(xué)分析資料作主成分分析和因子分析.（數(shù)據(jù)可以自己模擬一份）其中x1:礦化度(g/L);x2:Br103/Cl;x3:K103/鹽;x4:K103/Cl;x5:Na/K;x6:Mg102/Cl;x7:Na/Cl.1.數(shù)據(jù)準(zhǔn)備導(dǎo)入數(shù)據(jù)保存在對象saltwell中>saltwell<-read.table("c:/saltwell.txt",header=T)>saltwell2.數(shù)據(jù)分析1標(biāo)準(zhǔn)誤、方差貢獻(xiàn)率和累積貢獻(xiàn)率>arres

3、ts.pr<- prcomp(saltwell, scale = TRUE)>summary(arrests.pr，loadings=TRUE)2每個(gè)變量的標(biāo)準(zhǔn)誤和變換矩陣>prcomp(saltwell, scale = TRUE)3查看對象arests.pr中的內(nèi)容> > str(arrests.pr)4利用主成分的標(biāo)準(zhǔn)誤計(jì)算出主成分的累積方差比例>cumsum(arrests.pr$sdev2)/710.6067060 0.7850968 0.9165341 0.9790524 0.9954128 0.9999024 1.00000005各個(gè)化學(xué)成分占

4、主成分的得分> arrests.pr$x6數(shù)據(jù)分析結(jié)果圖形表示>screeplot(arrests.pr,main="saltwell")> biplot(arrests.pr)按第一主成分排序的結(jié)果：> data.frame(sort(arrests.pr$x,1)主因子分析計(jì)算數(shù)據(jù)的相關(guān)系數(shù)矩陣saltwell.cor<-cor(saltwell)> saltwell.cor計(jì)算特征值和特征向量及因子的貢獻(xiàn)率和累積貢獻(xiàn)率> saltwell.eigen<-eigen(saltwell.cor)> saltwell.e

5、igen根據(jù)主成分分析結(jié)果確定公共因子個(gè)數(shù).> saltwell.pr<- princomp(saltwell, cor=T)> summary(saltwell.pr)均值> saltwell.pr$center標(biāo)準(zhǔn)誤> saltwell.pr$scale下面用特征值的平方根乘以相應(yīng)的特征向量得到因子載荷矩陣.并且只顯示前2個(gè)因子的結(jié)果：> t(sqrt(saltwell.eigen$values) *t(saltwell.eigen$vectors),1:2用R語言自帶的函數(shù)factanal()進(jìn)行分析>saltwell.fa<-factanal(saltwell,factors = 2)> print(saltwell.fa, cutoff=0.001)下面用回歸方法(regression)計(jì)算因子得分并作圖，然后對樣本進(jìn)行分類.> saltwell.fa<-f