app和网站开发区别移动端数据可视化

R语言主成分分析

之前介绍过怎么用SPSS进行主成分分析(PCA)，已经忘了的朋友们可以到主页看看

今天主要介绍下R语言主成分分析的几种方法。都是入门级别，跟着我一步步走，一点都不难哈~

首先调用R语言自带的数据集，USArrests。这是个关于美国各州犯罪率的一个统计数据，已经很久远了，没啥实际研究价值，拿来做分析练手正好合适。

方法1.prcomp stats

prcomp这功能是R安装的时候就自带的，不用再特意安装其他包了，非常方便实用。

方法2.princomp

与prcomp功能一样，princomp也不用额外安装包了。实现的代码如下：

从以上两个图可以直观的看出，UrbanPop与其他三个变量离得挺远的，整体数据分成2个公因子就挺合理。具体来说，与Rape关系紧密的几个州为Michigan、Texas等，与Murder关系密切的州为Georgia等，与Assault关系紧密的州为Maryland等。

方法3.psych包principal

这种方法需要先安装psych包。安装也很简单，在Rstudio里一行命令搞定：

从这个选择主成分的碎石图里，也可以清晰看出，2是“拐点”，选2，没错。

这结果就挺一目了然的，Murder、Assault、Rape属于RC1第一个公因子，他们在第一个公因子上得分都为正。UrbanPop属于第二个公因子。

以上就是用R语言进行主成分分析的三种方法，小伙伴们如果觉着有用，可以随意分享给更多的小伙伴，大家一起学习交流！