本文已参与「新人创作礼」活动，一起开启掘金创作之路

主成分分析

1.数据描述

略

2.调入数据，并对数据标准化。

操作步骤：

Case7=read.table("clipboard",header=T);Case7
library(mvstats)
sd=scale(Case7);sd   #输出标准化后的数据和属性信息

结果：

结果解释： 从剪贴板读取数据,对数据进行标准化

3.求标准化数据的相关矩阵。

操作步骤：

dcor=cor(sd);dcor#求相关矩阵

结果：

结果解释：求标准化数据的相关矩阵

4.求相关矩阵的特征值和特征向量。

操作步骤：

deig=eigen(dcor) #求相关矩阵的特征值和特征向量
deig$values #输出特征值
vec=deig$vectors # 输出特征向量

结果：

结果解释：求特征值和特征向量

5.计算方差贡献率和累积方差贡献率。

操作步骤：

sum(deig$values[1:2])/8 #求前2个主成分的累积方差贡献率

结果：

结果解释：求累计方差贡献率

6.画出碎石图。

操作步骤：

pca=princomp(sd,cor=T)#主成分分析函数
screeplot(pca,type="line",main="碎石图",lwd=2) #画出碎石图

结果：

结果解释：画碎石图

7.确定主成分个数，要求累积方差贡献率不低于80%。

操作步骤：

summary(pca)

结果：

8.求主成分载荷。

操作步骤：

pca$loadings[,1:2] #输出前2个主成分的载荷系数

结果：

结果解释：求主成分载荷

9.计算各城市的主成分得分。

操作步骤：

s=pca$scores[,1:2];s #输出前2个主成分的得分

结果：

结果解释：求主成分得分

10.计算各城市的综合得分并据此排名。

操作步骤：

princomp.rank(pca,m=2)#主成分排名

结果：

结果解释：查看排名