- 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?
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. = TRUE)
g <- ggbiplot(mydata.pca, obs.scale = 1, var.scale = 1,
groups = mysamples, ellipse = FALSE,
circle = FALSE, var.axes=FALSE)
g <- g + scale_color_discrete(name = '')
g <- g + theme(legend.direction ='horizontal',
legend.position = 'top')
g <- g + theme_bw()
但是,当我运行类似的东西时:
summary(mydata.pca)
我看到了 PC1 到 PC4 的所有信息。如何更改我的 ggbioplot 脚本以获得 PC1 与 PC3 的图表?
最佳答案
ggbiplot
的 choices 参数就是您要查找的内容:
iris_pca <- prcomp(iris[, 1:4], center = TRUE, scale. = T)
# PC1 vs PC 2
ggbiplot(iris_pca, choices = c(1,2), obs.scale = 1, var.scale = 1,
groups = iris$Species, ellipse = TRUE,
circle = TRUE) + scale_color_discrete(name = '') + theme(legend.direction = 'horizontal',
legend.position = 'top')
# PC1 vs PC 3
ggbiplot(iris_pca, choices = c(1,3), obs.scale = 1, var.scale = 1,
groups = iris$Species, ellipse = TRUE,
circle = TRUE) + scale_color_discrete(name = '') + theme(legend.direction = 'horizontal',
legend.position = 'top')
关于r - PCA prcomp : how to get PC1 to PC3 graph,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34822424/
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!