RStudio(6) 主成分分析

同じデータを使って、主成分分析をしてみます。

(1) 主成分分析と結果表示

> pca = prcomp(mysql.data, scale=T)

> pca

Standard deviations:
[1] 1.975518e+00 9.990073e-01 8.719685e-01 4.861895e-01 3.203194e-01 9.360556e-17

Rotation:
              PC1         PC2        PC3        PC4        PC5           PC6
attack  0.4791741  0.26177801  0.1414014 -0.1114532  0.4116410 -7.071068e-01
defence 0.3242376 -0.59300772  0.4823898 -0.4732681 -0.2941584 -2.775558e-16
hp      0.4446784  0.31883359  0.1833250  0.4955173 -0.6492002 -1.942890e-16
exp     0.3375002 -0.63857845 -0.2930024  0.5665881  0.2672801  1.387779e-16
gold    0.3521494  0.04300123 -0.7796492 -0.4296676 -0.2857877 -6.938894e-17
water   0.4791741  0.26177801  0.1414014 -0.1114532  0.4116410  7.071068e-01

これで主成分得点が得られました。累積寄与率を確認します。

> summary(pca)
Importance of components:
                          PC1    PC2    PC3    PC4    PC5       PC6
Standard deviation     1.9755 0.9990 0.8720 0.4862 0.3203 9.361e-17
Proportion of Variance 0.6504 0.1663 0.1267 0.0394 0.0171 0.000e+00
Cumulative Proportion  0.6504 0.8168 0.9435 0.9829 1.0000 1.000e+00

主成分2(PC2)までで81.68%なので、主成分2まで利用します。
これを表示します。

> biplot(pca)

とっても見づらいグラフなので、改善しないとです。

[PCA.R]

	pca.pca <- function(name){
	pca_result <<- prcomp(name, scale=T)
	pca_result
	}
	pca.summary <- function(name){
	summary(name)
	}
	pca.biplot <- function(name){
	biplot(name)
	}

view raw PCA.R hosted with ❤ by GitHub

参考
http://bio-info.biz/tips/r_pca.html
http://www.casleyconsulting.co.jp/blog-engineer/%E3%83%87%E3%83%BC%E3%82%BF%E8%A7%A3%E6%9E%90/r%E3%81%A7%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90/
http://d.hatena.ne.jp/pokepen/20130527/1369635976