0

在对一堆栅格进行 PCA 之后（类似于 this & in the 2014 Raster Package documentation），我想查看我的特征值、特征向量和加载...

对返回碎石图、变化比例、累积比例的 princomp 的典型调用 - summary()、print()、hist() - 似乎没有从我的 RasterBrick 输出中提取信息。这是示例代码：

#bring in rasterBrick
logo <- brick(system.file("external/rlogo.grd", package="raster")) 
#select random samples & do PCA
sr <- sampleRandom(logo, 100) 
pca <- princomp(sr) 
# to visualize pcs as rasters
x <- predict(logo, pca, index=1:3)
plot(x)

##ANSWERED QUESTION
summary(pca) # importance of components
plot (pca) # scree plot
loadings (pca) #eigens

summary()返回似乎是栅格图层的汇总统计数据，而不是分析中的值；print()显示栅格的最小值和最大值等。

感谢您的想法，尤其是关于如何找到与 PCA 相关的特征值和特征向量的任何清晰说明。

4

1 回答 1

2

特征向量/载荷存储在由loadings返回的模型对象的元素中princomp。请参阅(run )Value的帮助部分。这是关键部分：princomp?princomp

价值

princomp返回一个包含以下组件的类“princomp”列表：

加载 可变载荷矩阵（即，其列包含特征向量的矩阵）。这是“加载”类：请参阅加载以了解其打印方法。

您可以使用 访问载荷loadings(pca)。下面的第一个矩阵包含每个主成分的特征向量。

loadings(pca)

Loadings:
      Comp.1 Comp.2 Comp.3
red    0.588 -0.505  0.631
green  0.584 -0.274 -0.764
blue   0.559  0.818  0.134

               Comp.1 Comp.2 Comp.3
SS loadings     1.000  1.000  1.000
Proportion Var  0.333  0.333  0.333
Cumulative Var  0.333  0.667  1.000

该summary函数为您提供每台 PC 解释的方差比例：

summary(pca)

Importance of components:
                            Comp.1      Comp.2       Comp.3
Standard deviation     136.9251939 16.85462507 1.4842831706
Proportion of Variance   0.9849601  0.01492417 0.0001157405
Cumulative Proportion    0.9849601  0.99988426 1.0000000000

你可以对任何R对象做的另一件事是 run str，它会告诉你对象包含什么。例如，请参阅下面的princomp模型对象包含的内容，并注意其中一个元素是loadings.

str(pca)

List of 7
 $ sdev    : Named num [1:3] 136.5 17.63 1.43
  ..- attr(*, "names")= chr [1:3] "Comp.1" "Comp.2" "Comp.3"
 $ loadings: loadings [1:3, 1:3] 0.587 0.583 0.562 -0.515 -0.267 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : chr [1:3] "red" "green" "blue"
  .. ..$ : chr [1:3] "Comp.1" "Comp.2" "Comp.3"
 $ center  : Named num [1:3] 162 165 173
  ..- attr(*, "names")= chr [1:3] "red" "green" "blue"
 $ scale   : Named num [1:3] 1 1 1
  ..- attr(*, "names")= chr [1:3] "red" "green" "blue"
 $ n.obs   : int 100
 $ scores  : num [1:100, 1:3] 85.4 110.4 151.3 149 22.8 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr [1:3] "Comp.1" "Comp.2" "Comp.3"
 $ call    : language princomp(x = sr)
 - attr(*, "class")= chr "princomp"
 - attr(*, "class")= chr "princomp"
于 2014-10-15T16:43:08.670 回答