Escolhendo o número de componentes

Distribuições de Probabilidade Multivariadas em R

Surajit Ray

Professor, University of Glasgow

Resumo do objeto princomp

summary(cars.pca)

Importance of components:
                       Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8  Comp.9
Standard deviation      2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Proportion of Variance  0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Cumulative Proportion   0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Usando o scree plot

Método 1

Proporção da variação explicada

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

Escolha baseada em

inclinação da curva
seguida por uma linha plana

Variação cumulativa explicada

Método 2

Variação cumulativa
Explicar um valor predefinido

summary(cars.pca)

Importance of components:
                      Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8  Comp.9
Standard deviation     2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Proportion of Variance 0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Cumulative Proportion  0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Calculando a variância proporcional cumulativa

Proporção cumulativa

# Variance explained
pc.var <- cars.pca$sdev^2

# Proportion of variation
pc.pvar <- pc.var / sum(pc.var)

# Cumulative proportion
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

Calculando a variância proporcional cumulativa

Proporção cumulativa

# Variance explained
pc.var <- cars.pca$sdev^2

# Proportion of variation
pc.pvar <- pc.var / sum(pc.var)

# Cumulative proportion
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

3 PCs explicam 90 por cento da variação

Vamos praticar usando essas técnicas!

Distribuições de Probabilidade Multivariadas em R