답변:
행렬도는 PCA의 결과를 시각화하는 유용한 도구입니다. 주요 구성 요소 점수와 방향을 동시에 시각화 할 수 있습니다. 10,000 번의 관측 값을 사용하면 과도 플로팅에 문제가 생길 수 있습니다. 알파 블렌딩이 도움이 될 수 있습니다.
UCI ML 리포지토리 의 와인 데이터에 대한 PC biplot은 다음과 같습니다 .
점수는 각 관측치의 PC1 및 PC2 점수에 해당합니다. 화살표는 변수가 PC1 및 PC2와의 상관 관계를 나타냅니다. 흰색 원은 이론적으로 화살표의 최대 범위를 나타냅니다. 타원은 데이터에서 3 가지 와인 품종 각각에 대해 68 % 데이터 타원입니다.
이 플롯을 생성 하는 코드를 여기에서 사용할 수있게 만들었습니다 .
Wachter 플롯은 PCA의 고유 값을 시각화하는 데 도움이됩니다. 이것은 본질적으로 Marchenko-Pastur 분포에 대한 고유 값의 QQ 플롯입니다. 여기에 예가 있습니다. Marchenko-Pastur 분포를 벗어나는 고유 한 고유 값이 하나 있습니다. 이러한 종류의 플롯의 유용성은 응용 프로그램에 따라 다릅니다.
psych 패키지를 사용할 수도 있습니다.
여기에는 plot.factor 메소드가 포함되어 있습니다.이 메소드는 산점도 행렬 스타일로 서로 다른 구성 요소를 서로 구성합니다.