r - 在 R 中对其应用 pca 后减少数据集的维度

Question

我的问题是如何使用使用 R 获得的主成分。

一旦你得到主成分，我们如何使用它来减少维度？我有一个包含 6 个变量的数据集，我需要使用 k-means 对其进行聚类。当我对 6 个变量进行聚类时，K-means 给了我一个散点图。我认为 pca 可以帮助减少维度，因此 k-means 可以产生丰硕的结果。

我这样做是为了获得主要成分：

pca1 <- prcomp(data_set)

请指导我如何进一步降低数据集的维度。

Answer 1

例如，如果您键入 ?prcomp，您可以找到从函数中获得的值，这是我过去使用另一个包所做的：

library("FactoMineR")

pca <- PCA(dataset, scale.unit=TRUE, graph=FALSE)

scores <- data.frame(pca$ind$coord)

library(ggplot2)

ggplot(scores,aes(Dim.1,Dim.2)) + geom_text(label=rownames(scores),colour="red") + geom_hline(yintercept=0) + geom_vline(xintercept=0) + labs(title="Score plot")

你会得到根据 PC1 和 PC2 的分数图，如果你想要负荷图也一样

loadings <- data.frame(pca$var$coord)