数据都准备好后,使用FactoMineR中的PCA()函数进行PCA分析,factoextra包可用于提取PCA分析结果信息和绘图(用ggplot2绘图也可)。配套的FactoInvestigate包(http://factominer.free.fr/reporting/index.html)可以自动输出FactoMineR中PCA,MCA和CA分析的结果解释。 # 2.1 调用R包 #install.packages("FactoInvestigate") #inst...
最清晰的看PCA(主成分分析)图的方法3.3 万播放 · 216 赞同视频
我运行安装的过程遇到了一个报错是(converted from warning) cannot remove prior installation of package ‘rlang’这种情况通常是把rlang这个包手动删除,然后再重新运行安装的命令就可以了 虽然安装成功了,但是运行代码是没有结果的,代码如下 ggplot(data=pca.result)+ geom_sphere_3d(aes(x=PC1,...
数据都准备好后,使用FactoMineR中的PCA()函数进行PCA分析,factoextra包可用于提取PCA分析结果信息和绘图(用ggplot2绘图也可)。配套的FactoInvestigate包(http://factominer.free.fr/reporting/index.html)可以自动输出FactoMineR中PCA,MCA和CA分析的结果解释。 # 2.1 调用R包 #install.packages("FactoInvestigate") #inst...
首先是主成分分析 df.pca<-prcomp(iris[,1:4]) summary(df.pca) pca.result<-df.pca$x pca.result<-data.frame(pca.result) head(pca.result) pca.result$Species<-iris$Species 1. 2. 3. 4. 5. 6. 总共数据是150,准备150个颜色和150个形状 ...