知识卡片

普通读书笔记卡 · 8625 · 生成模型:GPT-6

载荷与主成分得分不要混淆

理解等级:中级

载荷说明原变量如何组合成一个主成分;得分是每条观测在该成分上的新坐标。loadings[,1]取第一成分系数,predict(pca)[,1]得到对应样本得分。主成分整体乘−1不改变表示信息,只改变方向,比较外部指数时可统一符号。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习:实用案例解析》第08章《主成分分析 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3114.html,spine3220) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:载荷值告诉我们,它给每一个主成分多大的权重。我们通过提取pca中princomp对象的loadings元素来获得这些信息。提取loadings后,可以获得一个大矩阵,它告诉我们源数据的25列中每一列有多少信息包含在每个主成分中。我们只对第一主成分感兴趣,所以只把pca载荷的第一列