我可以在经典的Iris数据集上应用PCA来获得每个维度的累积比例。
library(tidyverse)
x <- iris[,1:4] %>% as.matrix()
pca <- prcomp(x)
summary(pca)
但我不知道如何用Tidymodels来做。到目前为止,我的代码是:"我想用tidymodels获得这个数据。
library(tidymodels)
iris_vars <- iris %>% select(-Species)
iris_rec <- recipe(~., iris_vars) %>%
step_pca(all_predictors())
iris_prep <- prep(iris_rec)
iris_tidy <- tidy(iris_prep,1)
iris_tidy
summary(iris_tidy)
我想用tidymodels来获得这个数据。
Importance of components:
PC1 PC2 PC3 PC4
Standard deviation 2.0563 0.49262 0.2797 0.15439
Proportion of Variance 0.9246 0.05307 0.0171 0.00521
Cumulative Proportion 0.9246 0.97769 0.9948 1.00000
任何帮助都将是非常感激的
如果你使用相同的模型,你可以得到相同的结果。prcomp()
默认为 center = TRUE
而 step_pca()
默认为 center = FALSE
. 在下面的内容中,我同时使用居中和缩放(因为这经常被推荐)。
library("tidymodels")
x <- iris[,1:4] %>% as.matrix()
pca <- prcomp(x, scale. = TRUE)
summary(pca)
#> Importance of components:
#> PC1 PC2 PC3 PC4
#> Standard deviation 1.7084 0.9560 0.38309 0.14393
#> Proportion of Variance 0.7296 0.2285 0.03669 0.00518
#> Cumulative Proportion 0.7296 0.9581 0.99482 1.00000
iris_rec <- recipe(Species ~ ., iris) %>%
step_normalize(all_predictors()) %>%
step_pca(all_predictors())
iris_prep <- prep(iris_rec)
summary(iris_prep$steps[[2]]$res)
#> Importance of components:
#> PC1 PC2 PC3 PC4
#> Standard deviation 1.7084 0.9560 0.38309 0.14393
#> Proportion of Variance 0.7296 0.2285 0.03669 0.00518
#> Cumulative Proportion 0.7296 0.9581 0.99482 1.00000
创建于 2020-05-29 由 重读包 (v0.3.0)