给定一个数据矩阵M,pc = prcomp(M)提供pc $ rotation(特征向量矩阵)和pc $ x,即pca空间中原始变量的分数。但是,我获得的分数与“手工计算”的内部产品不匹配。R中的意外PCA得分
例如,如果我有矩阵
m1=matrix(c(1,2,3,4,4,8,7,9,5,3,2,11),byrow=TRUE,nrow=3)
pctest=prcomp(m1)
返回以下为pctest $ X,pctest $旋转,分别为:
Rotation:
PC1 PC2 PC3
[1,] -0.3751603 0.3133237 -0.5240612
[2,] -0.5810952 -0.4802203 0.5681371
[3,] -0.3471051 -0.5836868 -0.6211215
[4,] -0.6333255 0.5749142 0.1295694
pctest$x
PC1 PC2 PC3
[1,] 5.11167 -1.326545 -1.110223e-16
[2,] -4.05543 -2.728072 -1.942890e-15
[3,] -1.05624 4.054616 2.831069e-15
现在,变量1上PCA轴比分2(例如)应该是pctest $ rotation [,2]上的m1 [1,]的内积,即
m1[1,]%*%pctest$rotation[,2]
[,1]
[1,] -0.09852071
而不是pctest $ x [1,2],这是-1.3265
这只是一个缩放问题,或者是$ x将原始变量的投影以外的东西返回到PCA轴上?
1为具有可重复码的清楚和简明的问题。 – 2013-03-14 22:40:13