Predict () новые данные в пространство PCA в R

После выполнения анализа главных компонентов первого набора данных (a) я спроецировал второй набор данных (b) в пространство PCA первого набора данных.

Из этого я хочу извлечь переменные нагрузки для прогнозируемого анализа (b). Переменные загрузки PCA из (a) возвращаются prcomp (). Как я могу получить переменные загрузки (b), спроецированные в пространство PCA (a)?

# set seed and define variables
set.seed(1)
a = replicate(10, rnorm(10))
b = replicate (10, rnorm(10))

# pca of data A and project B into PCA space of A
pca.a = prcomp(a)
project.b = predict(pca.a, b)

# variable loadings
loads.a = pca.a$rotation

r predict pca
person user 123342    schedule 19.10.2017    source источник
comment
Нагрузки указаны в оригинальном PCA. Однако оценки на ПК будут другими. Это то, что вы хотите?   -  person Lyngbakr    schedule 19.10.2017
comment
То есть та же матрица вращения применяется к (b) в проекции? Я предполагаю, что это означает, что project.b содержит основные компоненты проектируемого фрейма данных.   -  person user 123342    schedule 19.10.2017
comment
Ага. Итак, predict просто вычисляет оценки ПК на основе матрицы нагрузок и новых данных. Если вы посмотрите на project.b, вы увидите, что каждый столбец относится к ПК.   -  person Lyngbakr    schedule 19.10.2017
comment
Отлично, спасибо, что прояснили это. Здесь явно обнаруживается мое невежество. Если вы напишете это в качестве ответа, я могу отметить вопрос как решенный.   -  person user 123342    schedule 19.10.2017

Ответы (1)


arrow_upward
9
arrow_downward

Вот аннотированная версия вашего кода, чтобы прояснить, что происходит на каждом этапе. Сначала выполняется исходный PCA на матрице a:

pca.a = prcomp(a)

Это вычисляет нагрузки для каждого главного компонента (ПК). На следующем этапе эти загрузки вместе с новым набором данных b используются для расчета оценок ПК:

project.b = predict(pca.a, b)

Итак, нагрузки такие же, но оценки на ПК разные. Если мы посмотрим на project.b, мы увидим, что каждый столбец соответствует ПК:

            PC1         PC2         PC3        PC4         PC5          PC6         PC7         PC8
 [1,] -0.2922447  0.10253581  0.55873366  1.3168437  1.93686163  0.998935945  2.14832483 -1.43922296
 [2,]  0.1855480 -0.97631967 -0.06419207  0.6375200 -1.63994127  0.110028191 -0.27612541 -0.37640710
 [3,] -1.5924242  0.31368878 -0.63199409 -0.2535251  0.59116005  0.214116915  1.20873962 -0.64494388
 [4,]  1.2117977  0.29213928  1.53928110 -0.7755299  0.16586295  0.030802395  0.63225374 -1.72053189
 [5,]  0.5637298  0.13836395 -1.41236348  0.2931681 -0.64187233  1.035226594  0.67933996 -1.05234872
 [6,]  0.2874210  1.18573157  0.04358772 -1.1941734 -0.04399808 -0.113752847 -0.33507195 -1.34592414
 [7,]  0.5629731 -1.02835365  0.36218131  1.4117908 -0.96923175 -1.213684882  0.02221423  1.14483112
 [8,]  1.2854406  0.09373952 -1.46038333  0.6885674  0.39455369  0.756654205  1.97699073 -1.17281174
 [9,]  0.8573656  0.07810452 -0.06576772 -0.5200661  0.22985518  0.007571489  2.29289637 -0.79979214
[10,]  0.1650144 -0.50060018 -0.14882996  0.2065622  2.79581428  0.813803739  0.71632238  0.09845912
              PC9      PC10
 [1,] -0.19795112 0.7914249
 [2,]  1.09531789 0.4595785
 [3,] -1.50564724 0.2509829
 [4,]  0.05073079 0.6066653
 [5,] -1.62126318 0.1959087
 [6,]  0.14899277 2.9140809
 [7,]  1.81473300 0.0617095
 [8,]  1.47422298 0.6670124
 [9,] -0.53998583 0.7051178
[10,]  0.80919039 1.5207123

Надеюсь, это имеет смысл, но я еще не допила свой первый кофе в день, так что никаких гарантий.

person Lyngbakr    schedule 19.10.2017
comment
Спасибо. В этом много смысла. И теперь я могу совместить это с прогнозом.lm () ;-) - person Franky; 02.10.2018