- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个包含 9 个样本(行)和 51608 个变量(列)的数据集,每当我尝试缩放它时,我都会收到错误:
这很好用
pca = prcomp(pca_data)
但是,
pca = prcomp(pca_data, scale = T)
给出
> Error in prcomp.default(pca_data, center = T, scale = T) :
cannot rescale a constant/zero column to unit variance
显然,发布可重现的示例有点困难。你知道这笔交易会是什么吗?
寻找常量列:
sapply(1:ncol(pca_data), function(x){
length = unique(pca_data[, x]) %>% length
}) %>% table
输出:
.
2 3 4 5 6 7 8 9
3892 4189 2124 1783 1622 2078 5179 30741
所以没有常量列。与 NA 相同 -
is.na(pca_data) %>% sum
>[1] 0
这工作正常:
pca_data = scale(pca_data)
但是之后两者仍然给出完全相同的错误:
pca = prcomp(pca_data)
pca = prcomp(pca_data, center = F, scale = F)
那么为什么我无法根据这些数据获得缩放后的主成分分析呢?好的,让我们 100% 确定它不是恒定的。
pca_data = pca_data + rnorm(nrow(pca_data) * ncol(pca_data))
同样的错误。数值数据?
sapply( 1:nrow(pca_data), function(row){
sapply(1:ncol(pca_data), function(column){
!is.numeric(pca_data[row, column])
})
} ) %>% sum
还是同样的错误。我没主意了。
编辑:至少需要更多的技巧来解决它。
后来,仍然很难对这些数据进行聚类,例如:
Error in hclust(d, method = "ward.D") :
NaN dissimilarity value in intermediate results.
在某个截止值下修剪值(例如 < 1 到零)没有效果。最终起作用的是修剪列中具有超过 x 个零的所有列。适用于 # 个零 <= 6,但 7+ 出现错误。不知道这是否意味着这是一个普遍的问题,或者这是否只是碰巧捕获了一个有问题的列。如果有人有任何想法,仍然会很高兴听到原因,因为只要没有变量全为零(或以另一种方式为常量),这应该可以正常工作。
最佳答案
我认为您没有正确寻找零方差列。让我们尝试一些虚拟数据。首先,一个可接受的矩阵:10x100:
mat <- matrix(rnorm(1000, 0), nrow = 10)
还有一个零方差列。我们称之为 oopsmat
。
const <- rep(0.1,100)
oopsmat <- cbind(const, mat)
oopsmat
的前几个元素如下所示:
const
[1,] 0.1 0.75048899 0.5997527 -0.151815650 0.01002536 0.6736613 -0.225324647 -0.64374844 -0.7879052
[2,] 0.1 0.09143491 -0.8732389 -1.844355560 0.23682805 0.4353462 -0.148243210 0.61859245 0.5691021
[3,] 0.1 -0.80649512 1.3929716 -1.438738923 -0.09881381 0.2504555 -0.857300053 -0.98528008 0.9816383
[4,] 0.1 0.49174471 -0.8110623 -0.941413109 -0.70916436 1.3332522 0.003040624 0.29067871 -0.3752594
[5,] 0.1 1.20068447 -0.9811222 0.928731706 -1.97469637 -1.1374734 0.661594937 2.96029102 0.6040814
让我们在 oopsmat
上尝试缩放和未缩放的 PCA:
PCs <- prcomp(oopsmat) #works
PCs <- prcomp(oopsmat, scale. = T) #not forgetting the dot
#Error in prcomp.default(oopsmat, scale. = T) :
#cannot rescale a constant/zero column to unit variance
因为如果标准差为无穷大,则无法除以它。为了识别零方差列,我们可以使用 which
来获取变量名称,如下所示。
which(apply(oopsmat, 2, var)==0)
#const
#1
要从数据集中删除零方差列,您可以使用相同的 apply
表达式,将方差设置为不等于零。
oopsmat[ , which(apply(oopsmat, 2, var) != 0)]
希望有助于让事情变得更清晰!
关于r - 如何解决prcomp.default() : cannot rescale a constant/zero column to unit variance,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40315227/
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
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
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
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])
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)
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
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
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)
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
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
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
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
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
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
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
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
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", "
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
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
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
我是一名优秀的程序员,十分优秀!