1
我发现很好tutorial about PCA 有一个问题目前还不清楚。我想知道,怎么可能想象不仅Dim1
VS Dim2
结果,但实际上所有可能的维度对(例如Dim3
VS Dim4
)PCA图,尺寸图
我发现很好tutorial about PCA 有一个问题目前还不清楚。我想知道,怎么可能想象不仅Dim1
VS Dim2
结果,但实际上所有可能的维度对(例如Dim3
VS Dim4
)PCA图,尺寸图
您可以通过改变axes(1,2)
参数例如可视化的其他维度axes(3,4)
:
fviz_pca_ind(X, axes = c(3, 4), geom = c("point", "text"),
label = "all", invisible = "none", labelsize = 4)
# (...)
旁注:第一对夫妇的主成分通常包含在数据集中几乎所有的变化。最后的主要组成部分通常非常无趣,因为数据集中的变化已被前面的主要组成部分“汇总”,因此仅包含残余信息(噪声)。
非常感谢。我也有这种情况,从PC1到PC4有类似的值(可能是30-20%的变化)。所以我也很高兴看到3部分和4部分。再次感谢 – Guforu