用prcomp()分析r中的主成分

Question

我的数据是478x4200矩阵。我正在考虑将4200个元素作为组件，我希望减少我需要处理的组件的数量。我使用了prcomp()，它总是返回478个主组件，即使我转换了矩阵。据我所知，prcomp()使用列作为组件。我想我应该得到4200个主成分。我可以通过计算我需要的所有矩阵来手动完成，但是我想用这个函数来检查。

Answer 1

略显：

如果你有n= 478的p= 4200变量的观测值，你需要构造一个478x4200矩阵，其中每一行都是4200个变量的观测。我们把这个矩阵叫做m。

然后用以下方法执行PCA

pca_result <- prcomp(m)

得到的主分量向量在矩阵pca_result$rotation中。每一列都是一个主成分，列的顺序是通过减少方差来解释的。

每个主成分的维数p= 4200，其中有min(n-1，p) = 478个信息主成分。所以pca_result$rotation是一个4200x478矩阵。

主成分分析得分向量是矩阵pca_result$x的列，因此也有478个(主成分数)的分数向量，每个维数为478 (=观测数)。