可视化一百万个PCA版本

31

是否有可能以比汇总表更深入的方式可视化主成分分析的输出？当观察的数量很大，例如〜1e4时，可以这样做吗？是否可以在R [欢迎其他环境]中进行？

r data-visualization pca biplot

— 空洞的
source

2

几个问题：您有多少组件？除了样本大小之外，是否有什么需要使此PCA输出的显示与可能要处理的其他连续变量的显示不同？您是否正在尝试对比不同组的分数，如果有的话，是多少？通常，您希望通过显示器实现什么？

— rolando2 2011年

53

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。

来自UCI ML存储库的Wine数据的PC Biplot

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。

— vqv
source

5

真正的炸药。

— rolando2 2011年

1

$1$

p \times 2

$p \times 2$

V

$V$

V V^{T}

$VV^T$

V

$V$

4

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： Wachter图显示单个主导特征值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。

— 破旧的
source

7

在此处了解更多信息可能会有所帮助（也许有一些其他说明和/或一些有用的链接）。什么是Marchenko-Pastur分布？它与PCA有何关系？无论结果是否成立，这对您的结果意味着什么？（etc）

— gung-恢复莫妮卡

0

您还可以使用心理软件包。

它包含一个plot.factor方法，该方法将以散点图矩阵的形式相互绘制不同的组件。

— 富有的人
source