R语言主成分分析的案例

R语言主成分分析的案例

R语言也介绍到案例篇了，也有不少同学反馈说还是不是特别明白一些基础的东西，希望能够有一些比较浅显的可以操作的入门。其实这些之前SPSS实战案例都不少，老实说一旦用上了开源工具就好像上瘾了，对于以前的SAS、clementine之类的可视化工具没有一点感觉了。本质上还是觉得要装这个、装那个的比较麻烦，现在用R或者python直接简单安装下，导入自己需要用到的包，活学活用一些命令函数就可以了。以后平台上集成R、python的开发是趋势，包括现在BAT公司内部已经实现了。

今天就贴个盐泉水化学分析资料的主成分分析和因子分析通过R语言数据挖掘的小李子：

有条件的同学最好自己安装下R，操作一遍。

今有20个盐泉，盐泉的水化学特征系数值见下表.试对盐泉的水化学分析资料作主成分分析和因子分析.（数据可以自己模拟一份）

其中x1:矿化度(g/L);

x2:Br•103/Cl;

x3:K•103/Σ盐;

x4:K•103/Cl;

x5:Na/K;

x6:Mg•102/Cl;

x7:εNa/εCl.

导入数据保存在对象saltwell中

>saltwell<-read.table("c:/saltwell.txt",header=T) >saltwell

1标准误、方差贡献率和累积贡献率

>arrests.pr<- prcomp(saltwell, scale = TRUE) >summary(arrests.pr，loadings=TRUE)

2每个变量的标准误和变换矩阵

>prcomp(saltwell, scale = TRUE)

3查看对象arests.pr中的内容

> > str(arrests.pr)

4利用主成分的标准误计算出主成分的累积方差比例

>cumsum(arrests.pr$sdev^2)/7

[1]0.6067060 0.7850968 0.9165341 0.9790524 0.9954128 0.9999024 1.0000000

5各个化学成分占主成分的得分

> arrests.pr$x

6数据分析结果图形表示

>screeplot(arrests.pr,main="saltwell")

> biplot(arrests.pr)

按第一主成分排序的结果：

> data.frame(sort(arrests.pr$x[,1]))

主因子分析

计算数据的相关系数矩阵

saltwell.cor<-cor(saltwell)

> saltwell.cor

计算特征值和特征向量及因子的贡献率和累积贡献率

> saltwell.eigen<-eigen(saltwell.cor)

> saltwell.eigen

根据主成分分析结果确定公共因子个数.

> saltwell.pr<- princomp(saltwell, cor=T) > summary(saltwell.pr)

均值

> saltwell.pr$center

标准误

> saltwell.pr$scale

下面用特征值的平方根乘以相应的特征向量得到因子载荷矩阵.并且只显示前2个因子的结果：

> t(sqrt(saltwell.eigen$values) *t(saltwell.eigen$vectors))[,1:2]

用R语言自带的函数factanal()进行分析

>saltwell.fa<-factanal(saltwell,factors = 2)

> print(saltwell.fa, cutoff=0.001)

下面用回归方法(regression)计算因子得分并作图，然后对样本进行分类.

> saltwell.fa<-factanal(saltwell,factors = 2, scores = "regression") > saltwell.fa$scores