我有使用PCA的一些经验,但这是我第一次尝试将PCA用于光谱数据......
我有一个带有光谱的大数据,我使用prcomp命令计算整个数据集的PCA。我的结果显示,3个成分解释了99%的方差。
我想绘制每个波长(步长为4,200-1000 nm)的三个PCA组件中每一个的贡献,就像我在本网站上找到的图2的例子:https://learnche.org/pid/latent-variable-modelling/principal-component-analysis/pca-example-analysis-of-spectral-data
有没有人有一个代码如何在R中做到这一点?
谢谢
我相信变量载荷的矩阵可以在model.pca$rotation
中找到,参见prcomp documentation。所以这样的事情应该做(使用链接网站上的例子):
file <- 'http://openmv.net/file/tablet-spectra.csv'
spectra <- read.csv(file, header = FALSE)
n.comp <- 4
model.pca <- prcomp(spectra[,2:651],
center = TRUE,
scale =TRUE,
rank. = n.comp)
summary(model.pca)
par(mfrow=c(n.comp,1))
sapply(1:n.comp, function(comp){
plot(2:651, model.pca$rotation[,comp], type='l', lwd=2,
main=paste("Comp.", comp), xlab="Wavelength INDEX")
})
我没有波长值,所以我在这里使用了数组的索引;输出如下。