解释princomp结果

Question

我目前正尝试在R中进行PCA，这是我在数据挖掘方面的第一个项目。我有大约200个特性和大约3000行数据。

数据不是在规范化的形式，我需要进行降维，所以我使用PCA作为同样的。这就是我到现在为止所做的

x <- princomp(data,scores=TRUE,cor=TRUE)

我应该进行降维，我应该看分数值。所以我确实得到了最重要的价值

head(x$scores)

这是输出

       Comp.1     Comp.2     Comp.3     Comp.4    ...
[1,]  6.831452 -4.4316218 -1.9226226 -0.8344245 
[2,] -1.808007 -4.2743390  1.0173944  0.4527465
[3,] -7.750329 -4.9523056 -1.6750438  1.6247354 
.
.
.

现在，我不知道如何解释这些矩阵并获得最佳属性(并进行维数约简)。如果有人能帮我解决这个问题，那就太好了。

我搜了很多遍，但没有得到同样的答案。

Answer 1

scores只是拼图中的一部分。一般的公式是：

original_data =~ approximation = (scores * loadings) * scale + center

其中：

1. `scores` are the coordinates in your new orthogonal base
1. `loadings` are the directions of the new axis in the old base
1. `scale` are the scaling applied to the dimensions
1. `center` are the coordinates of the new base origin in the old base

使用R对象，上面的公式是

data =~ t(t(x$scores %*% t(x$loadings)) * x$scale + x$center)

您希望只使用第一个i加载来减少维度：

data =~ t(t(x$scores[, 1:i] %*% t(x$loadings[, 1:i ])) * x$scale + x$center)