主成分分析法之测试(本例子来源于<<基于开源工具的数据挖掘>>一书)
2013-03-21 09:04
513 查看
wine <- read.csv("D:\\winequality-white.csv",sep=';',header=TRUE)#数据来源http://archive.ics.uci.edu/ml/ pc <- prcomp(wine)#采用主成分分析法 plot(pc)#As cree plot print(pc) summary(pc) pcx<- prcomp(wine,TRUE)#设置scale为TRUE表面, table(wine$quality) summary(pcx) sbiplot(pcx)
运行结果:
Standard deviations:
[1] 43.949221756 12.979721330 4.643585542 1.147246458 0.828680478
[6] 0.707396079 0.135607404 0.118811827 0.106986464 0.090589602
[11] 0.019895607 0.000559343
Rotation:
PC1 PC2 PC3 PC4
fixed.acidity -1.544525e-03 -9.166733e-03 -1.292446e-02 0.1244224095
volatile.acidity -1.690309e-04 -1.546248e-03 -9.343979e-04 -0.0050464160
citric.acid -3.386468e-04 1.403673e-04 -1.257927e-03 0.0029386326
residual.sugar -4.732751e-02 1.493143e-02 -9.951321e-01 -0.0759758326
chlorides -9.757940e-05 -7.203906e-05 -7.999827e-05 0.0058640653
free.sulfur.dioxide -2.618723e-01 9.646376e-01 2.628366e-02 0.0108349352
total.sulfur.dioxide -9.638533e-01 -2.626820e-01 4.285064e-02 -0.0119772833
density -3.597064e-05 -1.839769e-05 -4.470891e-04 0.0009775556
pH -3.361997e-06 -4.080579e-05 7.022487e-03 -0.0166565597
sulphates -3.408882e-04 -3.605330e-04 2.145496e-03 -0.0050451785
alcohol 1.250436e-02 6.479656e-03 8.288867e-02 -0.8258312591
quality 3.280412e-03 1.099334e-02 9.537000e-03 -0.5441656711
...................
该图使用双图标,双图标是具体化主成分分析法的结果的一种方式。原变量通过投影在新变量空间的方式表现出来,原变量的方向
用箭头方向表示,从该图,能够看到点的分布,以及找出簇、异常值和其他特征。
可以看到原变量与最前面两个主成分的相关性,以及原变量之间的相关性。
相关文章推荐
- <摘>数据挖掘工具的评判——刘世平/姚玉辉 2004
- 分享我在2014架构师大会演讲材料<<基于用户画像的大数据挖掘实践>>
- <开源>基于Android的点对点视频通信/RTSP/RTP/H.264
- RT-Thread 学习笔记(十三)--- 开启基于RTGUI的LCD显示功能(3)<触屏屏驱动移植和测试>
- TestLink1.9.3测试用例:Excel转换XML工具<一>
- <开源> 基于Android的SIP电话-----Speex 回音消除 在android 平台
- kaggle数据挖掘竞赛初步--Titanic<原始数据分析&缺失值处理>
- 【Qt编程】基于Qt的词典开发系列<九>--JSON数据解析
- <数据挖掘><python><一个小的推荐系统示例>
- Android sqlite 数据库查询,插入,删除,更新demo<第3章>---测试验证插入数据
- RT-Thread 学习笔记(十二)--- 开启基于RTGUI的LCD显示功能(2)<编译测试>
- TestLink1.9.3测试用例:Excel转换XML工具<二>实现代码
- 数据挖掘学习指引<一>
- SharePoint 2013 列表关于大数据的测试<二>
- RT-Thread ---开启基于RTGUI的LCD显示功能(2)<编译测试>
- mini2440 led驱动代码(原创)基于iomap<测试初始化没有问题,其它功能待开发>
- 数据挖掘--kmeans聚类算法mapreduce实现代码<转>
- kaggle数据挖掘竞赛初步--Titanic<数据变换>,kaggle--titanic
- 数据挖掘十大经典算法 <一> :Adaboost算法