PCA multiplot in R

Ich habe einen Datensatz, der wie folgt aussieht:

India   China   Brasil  Russia  SAfrica Kenya   States  Indonesia   States  Argentina   Chile   Netherlands HongKong
0.0854026763    0.1389383234    0.1244184371    0.0525460881    0.2945586244    0.0404562539    0.0491597968    0   0   0.0618342901    0.0174891774    0.0634064181    0
0.0519483159    0.0573851759    0.0756806292    0.0207164181    0.0409872092    0.0706355932    0.0664503936    0.0775285039    0.008545575 0.0365674701    0.026595575 0.064280902 0.0338135148
0   0   0   0   0   0   0   0   0   0   0   0   0
0.0943708876    0   0   0.0967733329    0   0.0745076688    0   0   0   0.0427047276    0   0.0583873189    0
0.0149521013    0.0067569437    0.0108914448    0.0229991162    0.0151678343    0.0413174214    0   0.0240999375    0   0.0608951432    0.0076549109    0   0.0291972756
0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0   0   0   0   0   0   0   0   0   0
0   0   0   0.0096710124    0.0095669967    0   0.0678582869    0   0   0.0170707337    0.0096565543    0.0116698364    0.0122773071
0.1002690681    0.0934563916    0.0821680095    0.1349534369    0.1017157777    0.1113249348    0.1713480649    0.0538715423    0.4731833978    0.1956743964    0.6865919069    0.2869189344    0.5364034876
1.5458338337    0.2675380321    0.6229046372    0.5059107039    0.934209603 0.4933799388    0.4259769181    0.3534169521    14.4134845836   4.8817632117    13.4034293299   3.7849346739    12.138551171
0.4625375671    0.320258205 0.4216459567    0.4992764309    0.4115887595    0.4783677078    0.4982410179    0.2790259278    0.3804405781    0.2594924212    0.4542162376    0.3012339384    0.3450847892
0.357614592 0.3932670219    0.3803417257    0.4615355254    0.3807061655    0.4122433346    0.4422282977    0.3053712842    0.297943232 0.2658160167    0.3244018409    0.2523836582    0.3106600754
0.359953567 0.3958391813    0.3828293473    0.4631507073    0.3831961707    0.4138590365    0.4451206879    0.3073685624    0.2046559772    0.2403036541    0.2326305393    0.2269373716    0.2342962436
0.7887404662    0.6545878236    0.7443676393    0.7681244767    0.5938002158    0.5052305973    0.4354571648    0.40511005  0.8372481106    0.5971130339    0.8025313223    0.5708610817    0.8556609579
0.5574207497    1.2175251783    0.8797484259    0.952685465 0.4476585005    1.1919229479    1.03612509  0.5490564488    0.2407034171    0.5675492645    0.4994121344    0.5460544861    0.3779468604
0.5632651223    1.0181714714    1.1253803155    1.228293512 0.6949993291    1.0346288085    0.5955221073    0.5212567091    1.1674901423    1.2442735568    1.207624867 1.3854352274    0.7557131826
0.6914760031    0.7831502333    1.0282730148    0.750270567 0.7072739935    0.8041764647    0.8918512571    0.6998554585    2.3448306081    1.2905783367    2.4295927684    1.3029766224    1.9310763864
0.3459898177    0.7474525109    0.7253451876    0.7182493014    0.3081791886    0.7462088907    0.5950509439    0.4443221541    3.6106852374    2.7647504885    3.3698608994    2.6523062395    1.8016571476
0.4629523517    0.6549211677    0.6158018856    0.7637088814    0.4951554309    0.6277236471    0.6227669055    0.383909839 2.9502307101    1.803480973 2.3083113522    1.668759497 1.7130459012
0.301548861 0.5961888126    0.4027007075    0.5540290853    0.4078662541    0.5108773106    0.4610682726    0.3712800134    0.3813402422    0.7391417247    1.0935364978    0.691857974 0.4416304953
2.5038287529    3.2005148394    2.9181517373    3.557918333 1.8868234768    2.9369926312    0.4117894127    0.3074815035    3.9187777037    7.3161555954    6.9586996112    5.7096144353    2.7007439732
2.5079707359    3.2058093222    2.9229791182    3.563804054 1.8899447728    2.9418511798    0.4124706194    0.269491388 3.9252603798    7.3282584169    6.9702111077    5.7190596205    2.7052117051
2.6643724791    1.2405320493    2.0584120188    2.2354369334    1.7199730388    2.039829709 1.7428132997    0.9977029725    8.9650886611    4.6035139163    8.1430131464    5.2450639988    6.963309864
0.5270581435    0.8222128903    0.7713479951    0.8785815313    0.624993821 0.7410405193    0.5350834321    0.4797121891    1.3753525725    1.2219267886    1.397221881 1.2433155977    0.8647136903
0.2536079475    0.5195514789    0.0492623195    0.416102668 0.2572670724    0.4805482899    0.4866090738    0.4905212099    0.2002506403    0.5508609827    0.3808572148    0.6276294938    0.3191452919
0.3499009885    0.5837491529    0.4914807442    0.5851537888    0.3638549977    0.537655052 0.5757185943    0.4730102035    0.9098072064    0.6197285737    0.7781825654    0.6424684366    0.6424429128
0.6093076876    0.9456457011    0.8518013605    1.1360347777    0.511960743 0.9038104168    0.5048413575    0.2777622235    0.2915840525    0.6628516415    0.4600364351    0.7996524113    0.3765721177
0.9119207879    1.2363073271    1.3285269752    1.4027039939    0.9250782309    2.1599381031    1.312307839 0   0   0.8253250513    0   0   0.8903632354

Es ist gespeichert in einem data.txt Datei.

Ich will eine PCA multiplot, der wie folgt aussieht: PCA multiplot in R

Bin, was ich Tue:

d <- read.table("data.txt", header=TRUE, as.is=TRUE)
model <- prcomp(d, scale=TRUE)

Nach dieser bin ich verloren.

Wie kann ich cluster dem dataset nach der PCA Projektionen und erhalten die Bilder ähnlich zu den oben genannten?

  • Sehen scatterplot3d und rgl Pakete. Sie müssen zum zuweisen von Beobachtungen zu Gruppen aufgrund bestimmter Kriterien. Vielleicht clustering?
  • sehen Sie, wenn Sie diese Antwort von jlhoward hilft (stackoverflow.com/questions/20584587/...)
InformationsquelleAutor Angelo | 2014-06-18
  1. 12

    Sind Sie eigentlich gefragt, zwei verschiedene Fragen:

    1. Zum Clustern der Daten nach PKA-Projektionen.
    2. So erhalten Sie die oben genannten Grundstücke.

    Aber bevor wir zu denen, die ich möchte hinzufügen, dass, wenn Ihre Proben sind in den Spalten, dann sind Sie nicht tun, PCA korrekt. Sie sollten es tun auf umgesetzt dataset statt wie so:

    model <- prcomp(t(d), scale=TRUE)

    Aber damit das funktioniert, müsste man alle entfernen die Konstante Zeilen in Ihre Daten.

    Nun ich nehme an, Sie haben Ihre PCA-Schritt, wie Sie wollte.

    prcomp gibt die rotierte matrix, wenn Sie angeben, retX=TRUE (es ist standardmäßig true). So werden Sie verwenden möchten model$x.

    Ihre nächste Schritt ist die Clusterbildung der Daten basiert auf den wichtigsten Komponenten. Dies kann auf verschiedene Weise erfolgen. Ein hierarchisches clustering. Wenn Sie möchten, dass 5 Gruppen am Ende, hier ist einer:

    fit <- hclust(dist(model$x[,1:3]), method="complete") # 1:3 -> based on 3 components
groups <- cutree(fit, k=5)                            # k=5 -> 5 groups

    Dieser Schritt wird bekommen Sie Gruppen, die wird später verwendet, für die Färbung.

    Der Letzte Schritt ist das Plotten. Hier schrieb ich eine einfache Funktion zu tun, alle auf einen Schlag:

    library(rgl)
plotPCA <- function(x, nGroup) {
    n <- ncol(x) 
    if(!(n %in% c(2,3))) { # check if 2d or 3d
        stop("x must have either 2 or 3 columns")
    }

    fit <- hclust(dist(x), method="complete") # cluster
    groups <- cutree(fit, k=nGroup)

    if(n == 3) { # 3d plot
        plot3d(x, col=groups, type="s", size=1, axes=F)
        axes3d(edges=c("x--", "y--", "z"), lwd=3, axes.len=2, labels=FALSE)
        grid3d("x")
        grid3d("y")
        grid3d("z")
    } else { # 2d plot
        maxes <- apply(abs(x), 2, max)
        rangeX <- c(-maxes[1], maxes[1])
        rangeY <- c(-maxes[2], maxes[2])
        plot(x, col=groups, pch=19, xlab=colnames(x)[1], ylab=colnames(x)[2], xlim=rangeX, ylim=rangeY)
        lines(c(0,0), rangeX*2)
        lines(rangeY*2, c(0,0))
    }
}

    Diese Funktion ist einfach: man nimmt zwei Argumente: 1) eine matrix von scores, mit die wichtigsten Komponenten in Spalten und Ihre Proben in den Zeilen. Grundsätzlich können Sie die Verwendung Modell$x[,c(1,2,4)], wenn Sie möchten (zum Beispiel) 1., 2. und 4. Komponenten. 2) die Anzahl an Gruppen für das clustering.

    Dann ist es-cluster die Daten auf der Basis von übergebenen wichtigsten Komponenten und Grundstücke (wahlweise in 2D oder 3D, je nach Anzahl der Spalten übergeben)

    Hier sind einige Beispiele:

    plotPCA(model$x[,1:2], 5)

    PCA multiplot in R

    - Und 3D-Beispiel (basierend auf den 3 ersten principal components):

    plotPCA(model$x[,1:3], 5)

    PCA multiplot in R

    Diese Letzte Handlung wird interaktiv sein, so können Sie es drehen oder zoom in/out.

    Hoffe, das hilft.

    • vielen Dank für eine sehr nette Antwort. allerdings habe ich einige Zweifel. Können Sie erklären, warum sollten die Daten übernommen werden?
    • Ich kann nicht verstehen, warum die Daten, die umgesetzt werden müssen, bevor prcomp ich sehen, hier PCA erfolgt ohne Umsetzung
    • Die Daten, die Sie in Ihrem Beispiel verwendet USArrests Datenmenge, die Staaten geschrieben, die als Zeilen. Im Gegensatz dazu die Daten, die OP (wenn man sich seine post, wo die Beispiel-Daten) zur Verfügung hatte Daten mit Staaten, geschrieben in Spalten. So habe ich es umgesetzt, bevor die hand.
    • Zu tun PCA auf untransposed Daten (mit Proben in Spalten) würde auch gültig sein, in gewissem Sinne, aber das ist nicht der Weg, den die PCA ist in der Regel getan. Für mehr info google "R-Modus" und "Q-Modus" PCA.
    • das Letzte Grundstück hat keine Legende, wie kann dieser ergänzt werden? Ich habe keine Ahnung, welche Farbe entspricht dem, was Gruppe.
    InformationsquelleAutor Karolis Koncevičius
Schreibe einen Kommentar