R语言主成分分析（PCA）葡萄酒可视化：主成分得分散点图和载荷图

R语言主成分分析（PCA）葡萄酒可视化：主成分得分散点图和载荷图

我们将使用葡萄酒数据集进行主成分分析

数据

数据包含177个样本和1个变量的数据框；vintages包含类标签。这些数据是对生长在意大利同一地区但来自三个不同栽培品种的葡萄酒进行化学分析的结果：内比奥罗、巴贝拉和格里格诺葡萄。来自内比奥罗葡萄的葡萄酒被称为巴罗洛。

这些数据包含在三种类型的葡萄酒中各自发现的几种成分的数量。

代码语言：javascript代码运行次数：0运行复制

# 看一下数据
head(no)

输出

转换和标准化数据

对数转换和标准化，将所有变量设置在同一尺度上。

代码语言：javascript代码运行次数：0运行复制

# 对数转换
no_log <- log(no)

# 标准化
log\_scale <- scale(no\_log)
head(log_scale)

主成分分析（PCA）

使用奇异值分解算法进行主成分分析

代码语言：javascript代码运行次数：0运行复制

prcomp(log_scale, center=FALSE)
summary(PCA)

基本图形（默认设置）

带有基础图形的主成分得分和载荷图

代码语言：javascript代码运行次数：0运行复制

plot(scores\[,1:2\], # x和y数据
     pch=21, # 点形状
    cex=1.5, # 点的大小

legend("topright", # legend的位置
       legend=levels(vint), # 图例显示

plot(loadings\[,1:2\], # x和y数据
     pch=21, # 点的形状

text(loadings\[,1:2\], # 设置标签的位置

此外，我们还可以在分数图中的组别上添加95%的置信度椭圆。

本文参与 腾讯云自媒体同步曝光计划，分享自。原始发表：2025-01-08，如有侵权请联系 cloudcommunity@tencent 删除pca变量可视化数据算法