PCA biplot의 네 축은 무엇입니까?

PCA 분석을 위해 바이 플롯을 구성 할 때 x 축의 주성분 PC1 점수와 y 축의 PC2 점수가 있습니다. 그러나 화면의 오른쪽과 위쪽에 다른 두 축은 무엇입니까?

예를 들어 다음 명령이 반환하는 플롯에서 의미합니까?

biplot(prcomp(USArrests, scale = TRUE))

그렇다면, 위 및 오른쪽 축은 플롯에서 빨간색 화살표 (변수를 나타내는 점)를 해석하는 데 사용됩니다.

주성분 분석의 작동 방식을 알고 R 코드를 읽을 수있는 경우 아래 코드는 의 최종 플로팅 이전에 결과 prcomp()가 처음에 처리되는 방식을 보여줍니다 . 이 두 함수는로 플롯 할 때 백그라운드에서 호출되며 다음과 같이 수정 된 코드 발췌 부분은입니다 .biplot.prcomp()biplot.default()biplot()biplot.prcomp()

x<-prcomp(USArrests, scale=TRUE)
choices = 1L:2L
scale = 1
pc.biplot = FALSE
scores<-x$x
lam <- x$sdev[choices]
n <- NROW(scores)
lam <- lam * sqrt(n)
lam <- lam^scale
yy<-t(t(x$rotation[, choices]) * lam)
xx<-t(t(scores[, choices])/lam)
biplot(xx,yy)

곧, 위의 예에서 가변 하중의 행렬 ( x$rotation)은 주성분의 표준 편차 ( x$sdev) 곱하기 관측 횟수의 제곱근에 의해 스케일링됩니다 . 상단 축과 오른쪽 축의 축척이 플롯에 표시되는 축척으로 설정됩니다.

가변 하중을 조정하는 다른 방법도 있습니다. 예를 들어 R 패키지 비건 채식인이 제공합니다.

Biplot에 대한 시각화가 향상되었습니다. 다음 그림을 확인하십시오.

실험에서 3d 포인트를 2d (시뮬레이션 된 데이터 세트)에 매핑하려고합니다.

2d에서 biplot을 이해하는 요령은 3d에서 동일한 것을 볼 수있는 올바른 각도를 찾는 것입니다. 모든 데이터 포인트에 번호가 매겨져 있으며 매핑을 명확하게 볼 수 있습니다.

결과를 재현하는 코드는 다음과 같습니다.

require(rgl)
set.seed(0)

feature1=round(rnorm(50)*10+20)
feature2=round(rnorm(50)*10+30)
feature3=round(runif(50)*feature1)

d=data.frame(feature1,feature2,feature3)

head(d)

plot(feature1,feature2)
plot(feature2,feature3)
plot(feature1,feature3)

plot3d(d$feature1, d$feature2, d$feature3, type = 'n')
points3d(d$feature1, d$feature2, d$feature3, color = 'red', size = 10)
shift <- matrix(c(-2, 2, 0), 12, 3, byrow = TRUE)
text3d(d+shift,texts=1:50)
grid3d(c("x", "y", "z"))

pr.out=prcomp(d,scale.=T)
biplot(pr.out)
grid()