在R中执行PCA与许多NA的关系。

Question

我有一个包含10个变量和12,000个观测值的大型数据集，来自3种不同的系统（200个来自小池塘，600个来自河流，11200个来自湖泊）。我的数据集中有很多新农合，但我还是想执行PCA，只用我的数据框架的最后4列（第一列是描述性的站点，最后4列是化学数据），看看系统的差异有多大。

任何提示的方式来处理这个问题？

Answer 1

你可以用不同的方法解决缺失值的问题。下面我将对它们进行说明。

你应该使用包括NA值的变量的平均值，或者用线性回归来推算缺失值。

你应该使用 missMDA 然后 FactoMineR 或 pcaMethods.下面是一个例子。

library(missMDA)
nPCs <- estim_ncpPCA(VIM::sleep)

Output 
nPCS$ncp
    3

completed_sleep <- imputePCA(VIM::sleep, ncp = nPCs$ncp, scale = TRUE)
PCA(completed_sleep$completeObs)

另一个例子是。

library(pcaMethods)
sleep_pca_methods <- pca(sleep, nPcs=2, method="ppca", center = TRUE)
imp_air_pcamethods <- completeObs(sleep_pca_methods)

如果你想深入 PCA 或 factoMiner 包，你应该访问其网站。http:/factominer.free.fr