Het aantal componenten kiezen

Multivariate kansverdelingen in R

Surajit Ray

Professor, University of Glasgow

Samenvatting van princomp-object

summary(cars.pca)

Belang van componenten:
                       Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8  Comp.9
Standaardafwijking       2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Aandeel van variantie    0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Cumulatieve proportie    0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

De screeplot gebruiken

Methode 1

Aandeel verklaarde variatie

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

Keuze op basis van

steilheid van de curve
gevolgd door een vlakke lijn

Cumulatieve verklaarde variantie

Methode 2

Cumulatieve variatie
Verklaar vooraf bepaalde waarde

summary(cars.pca)

Belang van componenten:
                      Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 Comp.8  Comp.9
Standaardafwijking     2.378  1.443  0.710 0.5148 0.4280 0.3518 0.3241 0.2419 0.14896
Aandeel van variantie  0.628  0.231  0.056 0.0294 0.0204 0.0138 0.0117 0.0065 0.00247
Cumulatieve proportie  0.628  0.860  0.916 0.9453 0.9656 0.9794 0.9910 0.9975 1.00000

Cumulatieve proportionele variantie berekenen

Cumulatieve proportie

# Verklaarde variantie
pc.var <- cars.pca$sdev^2

# Aandeel van variatie
pc.pvar <- pc.var / sum(pc.var)

# Cumulatieve proportie
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

Cumulatieve proportionele variantie berekenen

Cumulatieve proportie

# Verklaarde variantie
pc.var <- cars.pca$sdev^2

# Aandeel van variatie
pc.pvar <- pc.var / sum(pc.var)

# Cumulatieve proportie
plot(cumsum(pc.pvar), type = 'b')

abline(h = 0.9, lty = 2)

3 PC's verklaren 90 procent van de variatie

Laten we oefenen met deze technieken!

Multivariate kansverdelingen in R