Как я могу импортировать и работать с корреляционной матрицей как единственным источником данных в PCA и PCF в R

Question

Я новичок в R и работаю над проблемой * переноса и работы с корреляционной матрицей как единственным источником данных в PCA и PCF в R

Я сослался на банки ответов переполнения стека и даже книги, я не смог найти никаких подсказок, он заставляет R работать только с файлом данных переменных, тогда как в SAS вы можете просто ввести матрицу корреляции и получить результаты PCA и PCF без труда. Надеюсь, я ошибаюсь.

Я попытался взглянуть на банки ответов переполнения стека, и они в основном касаются того, как вычислить матрицу коров или разложение по собственным значениям.

Ниже мои попытки:

setwd ("D: / BlueHDD / MAQAB / RStudio / R / PCA / Intelligence")

mydata <- read.csv ("Intelligence.csv", na.strings = ".") </p>

голова (MYDATA)

  X     M     P     C     E     H     F
1 M 1.000 0.620 0.540 0.320 0.284 0.370
2 P 0.620 1.000 0.510 0.380 0.351 0.430
3 C 0.540 0.510 1.000 0.360 0.336 0.405
4 E 0.320 0.380 0.360 1.000 0.686 0.730
5 H 0.284 0.351 0.336 0.686 1.000 0.735
6 F 0.370 0.430 0.405 0.730 0.735 1.000

ii <- as.matrix (mydata [, 2: 7]) </p>

имена строк (ii) <- c («M», «P», «C», «E», «H», «F») </p>

имена (ii) <- c («M», «P», «C», «E», «H», «F») </p>

головка (II) * * тысяча двадцать пять

      M     P     C     E     H     F
M 1.000 0.620 0.540 0.320 0.284 0.370
P 0.620 1.000 0.510 0.380 0.351 0.430
C 0.540 0.510 1.000 0.360 0.336 0.405
E 0.320 0.380 0.360 1.000 0.686 0.730
H 0.284 0.351 0.336 0.686 1.000 0.735
F 0.370 0.430 0.405 0.730 0.735 1.000

myPCA <- eigen (ii) </p>

голова (myPCA)

$ значения

[1] 3.3670861 1.1941791 0.5070061 0.3718472 0.3131559 0.2467257

$ векторов

           [,1]       [,2]         [,3]        [,4]         [,5]        [,6]
[1,] -0.3677678 -0.5098401  0.266985551  0.72768020  0.047584025 -0.04178482
[2,] -0.3913477 -0.4092063  0.485916591 -0.66464527 -0.005392018 -0.03872816
[3,] -0.3719504 -0.3825819 -0.831626240 -0.15204371 -0.003331423 -0.02352388
[4,] -0.4321872  0.3748248  0.021531885  0.06531777 -0.742970281 -0.34056682
[5,] -0.4219572  0.4214599  0.002730054  0.01174474  0.665109730 -0.44922966
[6,] -0.4565228  0.3288196  0.023032686  0.03473540  0.057617669  0.82365511

myPCA $ значения

[1] 3.3670861 1.1941791 0.5070061 0.3718472 0.3131559 0.2467257

myPCA $ векторов

           [,1]       [,2]         [,3]        [,4]         [,5]        [,6]
[1,] -0.3677678 -0.5098401  0.266985551  0.72768020  0.047584025 -0.04178482
[2,] -0.3913477 -0.4092063  0.485916591 -0.66464527 -0.005392018 -0.03872816
[3,] -0.3719504 -0.3825819 -0.831626240 -0.15204371 -0.003331423 -0.02352388
[4,] -0.4321872  0.3748248  0.021531885  0.06531777 -0.742970281 -0.34056682
[5,] -0.4219572  0.4214599  0.002730054  0.01174474  0.665109730 -0.44922966
[6,] -0.4565228  0.3288196  0.023032686  0.03473540  0.057617669  0.82365511

Проблема теперь в векторе, все "+" и "-" противоположны!

---

Кроме того, отсюда я не знаю, как получить матрицу загрузки. Я пробовал ниже, но не получается:

fit <- princomp(ii)

summary(fit) # print variance accounted for 

loadings(fit) # pc loadings 

plot(fit,type="lines") # scree plot 

fit$scores # the principal components

biplot(fit)

Answer 1

Вы можете выполнить PCA в R с помощью функции princomp. В документации сказано, что если вы предоставите аргумент covmat, он вычислит основные компоненты из ковариационной матрицы. Но это также работает, чтобы использовать этот аргумент с матрицей корреляции.

Вот простой пример использования данных радужной оболочки.

## principal components from the original data
princomp(iris[,1:4], cor=T)
Standard deviations:
   Comp.1    Comp.2    Comp.3    Comp.4 
1.7083611 0.9560494 0.3830886 0.1439265

Теперь предположим, что у вас есть только корреляционная матрица

## from correlation matrix
CM = cor(iris[,1:4])
myPCA = princomp(covmat=CM)
myPCA
Standard deviations:
   Comp.1    Comp.2    Comp.3    Comp.4 
1.7083611 0.9560494 0.3830886 0.1439265 

Вы получите тот же ответ в любом случае. Если вы хотите загрузки, они хранятся в структуре myPCA.

myPCA$loadings

Loadings:
             Comp.1 Comp.2 Comp.3 Comp.4
Sepal.Length  0.521  0.377  0.720  0.261
Sepal.Width  -0.269  0.923 -0.244 -0.124
Petal.Length  0.580        -0.142 -0.801
Petal.Width   0.565        -0.634  0.524

               Comp.1 Comp.2 Comp.3 Comp.4
SS loadings      1.00   1.00   1.00   1.00
Proportion Var   0.25   0.25   0.25   0.25
Cumulative Var   0.25   0.50   0.75   1.00