Answers:
该双标图是PCA可视化的结果,一个有用的工具。它使您可以同时可视化主成分分数和方向。如果进行10,000次观察,您可能会遇到过度绘图的问题。Alpha混合可以帮助您。
这是来自UCI ML存储库的葡萄酒数据的PC双图:
这些点对应于每个观察的PC1和PC2分数。箭头表示变量与PC1和PC2的相关性。白色圆圈表示箭头的理论最大范围。椭圆是数据中3个葡萄酒品种中每个品种的68%数据椭圆。
我已经在此处提供了用于生成此图的代码。
Wachter图可以帮助您可视化PCA的特征值。它本质上是特征值对Marchenko-Pastur分布的QQ图。我在这里有一个例子:有一个主导特征值落在Marchenko-Pastur分布之外。这种情节的有用性取决于您的应用程序。