Bileşen sayısını seçme

R'de Çok Değişkenli Olasılık Dağılımları

Surajit Ray

Professor, University of Glasgow

princomp özet bilgisi

summary(cars.pca)

Bileşenlerin önemi:
                       Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8  Comp.9
Standart sapma          2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Varyans Oranı           0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Kümülatif Oran          0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Scree grafiğini kullanma

Yöntem 1

Açıklanan varyans oranı

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

Seçim {{2}} temelinde

eğrinin dikliği
ardından düz bir çizgi

Açıklanan kümülatif varyans

Yöntem 2

Kümülatif varyans
Önceden belirlenmiş değeri açıkla

summary(cars.pca)

Bileşenlerin önemi:
                      Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8  Comp.9
Standart sapma         2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Varyans Oranı          0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Kümülatif Oran         0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Kümülatif oransal varyansı hesaplama

Kümülatif oran

# Açıklanan varyans
pc.var <- cars.pca$sdev^2

# Varyans oranı
pc.pvar <- pc.var / sum(pc.var)

# Kümülatif oran
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

Kümülatif oransal varyansı hesaplama

Kümülatif oran

# Açıklanan varyans
pc.var <- cars.pca$sdev^2

# Varyans oranı
pc.pvar <- pc.var / sum(pc.var)

# Kümülatif oran
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

3 BA, varyansın yüzde 90'ını açıklar

Hadi bu tekniklerle pratik yapalım!

R'de Çok Değişkenli Olasılık Dağılımları