Wybór liczby składowych

Wielowymiarowe rozkłady prawdopodobieństwa w R

Surajit Ray

Professor, University of Glasgow

Podsumowanie obiektu 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

Wykres osypiska

Metoda 1

Wyjaśniona proporcja wariancji

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

Wybór oparty na

stromości krzywej
po której następuje linia pozioma

Skumulowana wyjaśniona wariancja

Metoda 2

Skumulowana wariancja
Wyjaśnienie z góry określonej wartości

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

Obliczanie skumulowanej proporcji wariancji

Proporcja skumulowana

# 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)

Obliczanie skumulowanej proporcji wariancji

Proporcja skumulowana

# 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 składowe główne wyjaśniają 90% wariancji

Czas na ćwiczenia!

Wielowymiarowe rozkłady prawdopodobieństwa w R