Auswahl der Anzahl der Komponenten

Multivariate Wahrscheinlichkeitsverteilungen in R

Surajit Ray

Professor, University of Glasgow

Zusammenfassung des princomp-Objekts

summary(cars.pca)

Wichtigkeit der Komponenten:
                       Komp.1 Komp.2 Komp.3 Komp.4 Komp.5 Komp.6 Komp.7 Komp.8  Komp.9
Standardabweichung      2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Varianzanteil           0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Kumulative Quote        0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Scree-Plot verwenden

Methode 1

Erklärter Varianzanteil

screeplot(cars.pca, type = "lines")

Auswahl basierend auf

Steilheit der Kurve
gefolgt von einer flachen Linie

Kumulative erklärte Varianz

Methode 2

Kumulative Varianz
Vorab festgelegten Wert erklären

summary(cars.pca)

Wichtigkeit der Komponenten:
                      Komp.1 Komp.2 Komp.3 Komp.4 Komp.5 Komp.6 Komp.7 Komp.8  Komp.9
Standardabweichung     2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Varianzanteil          0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Kumulative Quote       0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Kumulative proportionale Varianz berechnen

Kumulative Quote

# Erklärte Varianz
pc.var <- cars.pca$sdev^2

# Varianzanteil
pc.pvar <- pc.var / sum(pc.var)

# Kumulative Quote
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

Kumulative proportionale Varianz berechnen

Kumulative Quote

# Erklärte Varianz
pc.var <- cars.pca$sdev^2

# Varianzanteil
pc.pvar <- pc.var / sum(pc.var)

# Kumulative Quote
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

3 PCs erklären 90 Prozent der Varianz

Lass uns diese Techniken üben!

Multivariate Wahrscheinlichkeitsverteilungen in R