백만 PCA 버전 시각화

31

주요 구성 요소 분석의 결과를 요약 테이블보다 더 많은 통찰력을 제공하는 방식으로 시각화 할 수 있습니까? ~ 1e4와 같이 관측 수가 많을 때 가능합니까? 그리고 R [다른 환경에서도 환영]에서 할 수 있습니까?

r data-visualization pca biplot

— 연락 없는
소스

2

몇 가지 질문 : 구성 요소가 몇 개입니까? 샘플 크기 외에,이 PCA 출력의 표시가 처리 할 수있는 다른 연속 변수의 표시와 달라야하는 것이 있습니까? 당신은 다른 그룹의 점수를 대조하려고 노력하고 있습니까? 일반적으로 디스플레이로 달성하고자하는 것은 무엇입니까?

— rolando2

53

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 .

UCI ML 리포지토리의 와인 데이터 PC Biplot

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 .

— vqv
소스

5

정말 다이너마이트 추가.

— rolando2

이것은 내가 지금까지 본 것 중 가장 예쁘고 오래 전부터 +1입니다. 선택한 화살표 (로드)의 크기 조절에 관한 질문이 있습니다. 흰색 원의 반지름은 얼마입니까? (상관의 최대 값) 과 같지 않으므로 일부 스케일링이 수행되어야합니다. 임의적입니까 (원과 화살표를 멋지게 볼 수있을만큼 커야 함) 또는 스케일링 선택 뒤에 논리가 있습니까?

1

$1$

— amoeba는 Reinstate Monica

p \times 2

$p \times 2$

V

$V$

V V^{T}

$VV^T$

V

$V$

4

Wachter 플롯은 PCA의 고유 값을 시각화하는 데 도움이됩니다. 이것은 본질적으로 Marchenko-Pastur 분포에 대한 고유 값의 QQ 플롯입니다. 여기에 예가 있습니다. 단일 우성 고유 값을 나타내는 Wachter 플롯 Marchenko-Pastur 분포를 벗어나는 고유 한 고유 값이 하나 있습니다. 이러한 종류의 플롯의 유용성은 응용 프로그램에 따라 다릅니다.

— 초라한 요리사
소스

7

여기에서 더 많은 것을 알면 도움이 될 것입니다 (아마도 추가 설명 및 / 또는 유용한 링크). Marchenko-Pastur 배포판은 무엇입니까? PCA와 어떤 관련이 있습니까? 보유 여부에 따라 결과에 어떤 의미가 있습니까? (등)

— gung-복직 모니카

0

psych 패키지를 사용할 수도 있습니다.

여기에는 plot.factor 메소드가 포함되어 있습니다.이 메소드는 산점도 행렬 스타일로 서로 다른 구성 요소를 서로 구성합니다.

— richiemorrisroe
소스