Discrepancies in PCA results using prcomp in different R environments(不同R环境下使用prcomp的PCA结果存在差异)

• R - `prcomp` 是否采用样本数据或协方差矩阵作为输入？

  如果您在线搜索，有一些线程讨论了函数 princomp 中使用 covmat 标志，该函数对其输入执行主成分分析。如果未定义 covmat 参数，princomp 首先计算输入的样本协方差矩阵。 另一

• r - prcomp 的自动绘图 - 更改符号

  我遇到了一些密谋困境，我希望你们都能为我提供一个快速简单的答案。我使用 prcomp() 运行 PCA，并首次尝试使用 ggplot 绘制它。我已经成功地制作了一个美观的图形，但是我刚刚有同事指出它目

• r - 使用 prcomp 手动计算第一主成分时的结果冲突

  我正在计算 iris 数据集的 PCA，如下所示: data(iris) ir.pca <- prcomp(iris[, 1:4], center = TRUE, scale. = TRUE) 这是

• r - R 中 prcomp 对象的子集

  我基本上是在计算一组变量的 PCA，一切正常。可以说我以 iris 数据为例，但我的数据不同。虹膜数据应该足以解释我的问题: data(iris) log.ir <- log(iris[, 1:4])

• r - 主成分对象的标准值在 prcomp 和 caret 中不同

  我正在尝试在以下数据集中进行主成分分析。我尝试通过 prcomp 函数和插入符预处理函数。 library(caret) library(AppliedPredictiveModeling)

• r - 如何在 prcomp 中反转 PCA 以获取原始数据

  我想反转从 prcomp 计算的 PCA 以恢复到我的原始数据。 我认为类似以下内容会起作用: pca$x %*% t(pca$rotation) 但事实并非如此。 以下链接显示了如何从 PC 取回原

• r - R : prcomp and confidence ellipses 中的 PCA

  我最近在 R 中使用 prcomp() 函数运行了 PCA，现在我需要(客观地)确定来自我的两个不同组的哪些样本是异常值，应该从进一步分析中删除。 我以前看过 PCA 图，其中置信度/方差椭圆(不确定

• r - prcomp 和 ggbiplot : invalid 'rot' value

  我正在尝试使用 R 对我的数据进行 PCA 分析，我发现 this nice guide , 使用 prcomp和 ggbiplot .我的数据是两种样本类型，每种类型具有三个生物学重复(即 6 行)

• r - PCA prcomp : how to get PC1 to PC3 graph

  在我的 PCA 脚本(下方)中，我总是得到 PC1 与 PC2 的图表。 mydata.pca <- prcomp(mydata.fixed, center = TRUE, scale. = TRU

• r - prcomp 之后 ggplot2 和 autoplot() 的区别？

  我用 autoplot() 制作了一个 PCA 图，但我想只在其中 2 个组周围有椭圆，而不是所有 3 个组。因此我切换到 ggplot。但是，我的轴在 autoplot 和 ggplot 方法之间似

• R:ggfortify: "Objects of type prcomp not supported by autoplot"

  我正在尝试使用 ggfortify 来可视化我使用 prcomp 所做的 PCA 结果。 示例代码: iris.pca <- iris[c(1, 2, 3, 4)] autoplot(prcomp(i

• r - PCA:为什么我从 princomp() 和 prcomp() 得到如此不同的结果？

  在下面的代码中，pc3$loadings 和 pc4$rotation 之间有什么区别？ 代码: pc3<-princomp(datadf, cor=TRUE) pc3$loadings pc4<-p

• r - 如何使用 Prcomp 在 R 中提取 PCA 的摘要作为数据框？

  res.pca = prcomp(y, scale = TRUE) summ=summary(res.pca) summ 给我输出 Desired Output 我想将此摘要更改为数据框， 我试过使用

• r - 使用 prcomp 和我自己在 R 中进行主成分分析 : different results

  我哪里错了？我正在尝试通过 prcomp 和我自己执行 PCA， 我得到不同的结果，你能帮我吗？ 自己做: >database matrix.corstandardizevalues.standard

• r - 如何在 R 中使用 prcomp 将属性数量减少到 20 个？

  我有一个名为 data 的 104 个属性数据集.我想使用 prcomp 将属性数量减少到 20 个R 中的函数。 我这样做了: pr = prcomp(data) 但是pr仅包含 prcomp 的实

• 即使 NA 是允许的，R 函数 prcomp 也会因 NA 的值而失败

  我正在使用功能 prcomp计算前两个主成分。但是，我的数据有一些 NA 值，因此该函数会引发错误。即使在帮助文件 ?prcomp 中提到了定义的 na.action ，它似乎也不起作用。 这是我的例

• r - 使用 prcomp 在 R 上进行 PCA(主成分分析)的问题

  我在问是否有人可以帮助我开始对我的数据进行 PCA，这是代码结构: > dput(FA) structure(list(sample = c("c1", "c2", "c3", "Zn10_1", "

• r - R 中的 PCA 使用 caret 包与 prcomp PCA

  我有一个包含 50 多个变量的数据框 data，我正在尝试使用 caret 包在 R 中执行 PCA。 library(caret) library(e1071) trans <- preProces

• r - 如何在具有大型数据集的 R 中使用 princomp() 或 prcomp() 函数，而不转移数据？

  我刚刚开始了解 PCA，我希望将它用于包含超过 4,00,000 行的巨大微阵列数据集。我的列以样本的形式存在，行以基因/基因座的形式存在。我确实阅读了一些有关使用 PCA 的教程，并遇到了 prin

• r - 如何在具有大型数据集的 R 中使用 princomp() 或 prcomp() 函数，而不转移数据？

  我刚刚开始了解 PCA，我希望将它用于包含超过 4,00,000 行的巨大微阵列数据集。我的列以样本的形式存在，行以基因/基因座的形式存在。我确实阅读了一些有关使用 PCA 的教程，并遇到了 prin