Att välja antal komponenter

Multivariata sannolikhetsfördelningar i R

Surajit Ray

Professor, University of Glasgow

Sammanfattning av princomp-objekt

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

Använda scree-diagrammet

Metod 1

Andel förklarad variation

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

Val baserat på

kurvans branthet
följt av en plan linje

Kumulativ förklarad varians

Metod 2

Kumulativ variation
Förklara ett förutbestämt värde

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

Beräkna kumulativ proportionell varians

Kumulativ andel

# 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)

Beräkna kumulativ proportionell varians

Kumulativ andel

# 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 PC:er förklarar 90 procent av variationen

Nu kör vi en övning!

Multivariata sannolikhetsfördelningar i R