wine <- read.csv("D:\\winequality-white.csv",sep=';',header=TRUE)#数据来源http://archive.ics.uci.edu/ml/ pc <- prcomp(wine)#采用主成分分析法 plot(pc)#As cree plot print(pc) summary(pc) pcx<- prcomp(wine,TRUE)#设置scale为TRUE表面, table(wine$quality) summary(pcx) sbiplot(pcx)
运行结果:
Standard deviations:
[1] 43.949221756 12.979721330 4.643585542 1.147246458 0.828680478
[6] 0.707396079 0.135607404 0.118811827 0.106986464 0.090589602
[11] 0.019895607 0.000559343
Rotation:
PC1 PC2 PC3 PC4
fixed.acidity -1.544525e-03 -9.166733e-03 -1.292446e-02 0.1244224095
volatile.acidity -1.690309e-04 -1.546248e-03 -9.343979e-04 -0.0050464160
citric.acid -3.386468e-04 1.403673e-04 -1.257927e-03 0.0029386326
residual.sugar -4.732751e-02 1.493143e-02 -9.951321e-01 -0.0759758326
chlorides -9.757940e-05 -7.203906e-05 -7.999827e-05 0.0058640653
free.sulfur.dioxide -2.618723e-01 9.646376e-01 2.628366e-02 0.0108349352
total.sulfur.dioxide -9.638533e-01 -2.626820e-01 4.285064e-02 -0.0119772833
density -3.597064e-05 -1.839769e-05 -4.470891e-04 0.0009775556
pH -3.361997e-06 -4.080579e-05 7.022487e-03 -0.0166565597
sulphates -3.408882e-04 -3.605330e-04 2.145496e-03 -0.0050451785
alcohol 1.250436e-02 6.479656e-03 8.288867e-02 -0.8258312591
quality 3.280412e-03 1.099334e-02 9.537000e-03 -0.5441656711
...................
该图使用双图标,双图标是具体化主成分分析法的结果的一种方式。原变量通过投影在新变量空间的方式表现出来,原变量的方向
用箭头方向表示,从该图,能够看到点的分布,以及找出簇、异常值和其他特征。
可以看到原变量与最前面两个主成分的相关性,以及原变量之间的相关性。