从R中提取3D坐标PCA

-1

我正试图找到一种方法，使得R更加便携的3D PCA可视化; 我已使用prcomp()在2D矩阵上运行PCA。从R中提取3D坐标PCA

如何导出数据点的3D坐标以及与每个点相关的标签和颜色（RGB）？
与princomp()和prcomp()有什么实际区别？
关于如何使用HTML5和画布最佳查看3D PCA图的任何想法？

谢谢！

来源

2012-06-02 user1431798

你最好问这些问题作为单独的问题（特别是问题3）。 –

你必须提供更多信息。你的数据是什么，你的2d矩阵是一个cov矩阵，RGB的含义是什么？在你的领域，这种分析可能是显而易见的，但PCA适用于大量的学科领域。 –

下面是一个例子，从工作：

pc <- prcomp(~ . - Species, data = iris, scale = TRUE)

分数从部件x萃取轴;因此你可以只写出来（你不说你想怎么导出）为CSV使用：
```
write.csv(pc$x[, 1:3], "my_pc_scores.csv") 
```
如果你想分配信息，以这些分数（颜色和标签，这是不相关的东西与PCA，但你自己分配），然后将它们添加到分数矩阵，然后出口。在上面的例子中，有三个物种各有50个观测值。如果我们要导出的成绩旁边的信息，然后像这样将工作
```
scrs <- data.frame(pc$x[, 1:3], Species = iris$Species, 
        Colour = rep(c("red","green","black"), each = 50)) 
write.csv(scrs, "my_pc_scores2.csv") 
```
scrs看起来是这样的：
```
> head(scrs) 
     PC1  PC2   PC3 Species Colour 
1 -2.257141 -0.4784238 0.12727962 setosa red 
2 -2.074013 0.6718827 0.23382552 setosa red 
3 -2.356335 0.3407664 -0.04405390 setosa red 
4 -2.291707 0.5953999 -0.09098530 setosa red 
5 -2.381863 -0.6446757 -0.01568565 setosa red 
6 -2.068701 -1.4842053 -0.02687825 setosa red 
```
更新错过有关RGB点。见?rgb为R中指定此方法，但是如果你想要的是RGB字符串，然后更改上述使用类似
```
    Colour = rep(c("#FF0000","#00FF00","#000000"), each = 50) 
```
相反，在那里你指定你想要的RGB字符串。
princomp()和prcomp()之间的本质区别是用于计算PCA的算法。 princomp()使用协方差或相关矩阵的Eigen分解，而prcomp()使用原始数据矩阵的奇异值分解（SVD）。princomp()仅处理数据中至少包含同样多样本（行）和变量（列）的数据集。 prcomp()可以处理那些类型的数据和数据集，其中列数多于行数。另外，也许更重要的是取决于你的想法，SVD优于特征分解，因为它具有更好的数值精度。
我已经用html5和canvas标记了Q，希望那些专家能够提供帮助。如果您没有得到任何答复，请从Q中删除第3点，并专门针对使用画布显示PC的主题开始一个新的操作，并参考该细节。

来源

2012-06-02 07:51:38

您可以通过做str(object_name)了解任何R对象。在这种情况下：

m <- matrix(rnorm(50), nrow = 10) 
res <- prcomp(m) 
str(m)

如果你看一下帮助页面prcomp做?prcomp，你可以发现，得分在res$x和负荷都在res$rotation。这些已被PC标记。没有颜色，除非你决定在剧情过程中分配一些颜色。请参阅相应的帮助页面，以比较princomp与prcomp，以便比较两种功能。基本上，它们之间的区别与幕后使用的方法有关。我无法帮助你处理最后一个问题。

来源

2012-06-02 00:41:21

您声明您在2D矩阵上执行PCA。如果这是您的数据矩阵，则无法获得3D PCA。 Ofcourse它可能是你的二维矩阵是数据的协方差矩阵，在这种情况下，你需要使用princomp和explictely通过协方差矩阵m像这样（不prcomp！）：

princomp(covmat = m)

传递的协方差矩阵如：

princomp(m)

不会产生正确的结果。

来源

2012-06-03 16:08:01

您是否正在对数据描述进行相当概括的观察？考虑'mat < - matrix（rnorm（100），ncol = 10）';这是一个二维数据集，意思是“长度（dim（mat））”是2.然而，由这些数据表示的空间是10-d。 –

从R中提取3D坐标PCA

回答

相关问题