数据分析：主成分以及贡献变量解析
禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者!
文章目录
- 介绍
- 分析目的
- 变量的loadings的含义
- 加载依赖包
- 导入数据
- 数据预处理
- PCA计算
- PCA图
- 主成分分布
- 系统信息
介绍
PCA分析，即主成分分析（Principal Component Analysis），是一种统计方法，用于简化数据集的复杂性，同时保留尽可能多的原始数据集的变异性。它通过创建新的变量（称为主成分），这些主成分是原始变量的线性组合，并且这些主成分彼此不相关，以此来减少数据的维度。
分析目的
- 降维：减少数据集中的变量数量，同时尽可能保留原始数据的信息。
- 数据可视化：将多维数据转换为二维或三维，便于观察和解释。
- 噪声过滤：减少数据中的随机噪声，突出重要的信息。
变量的loadings的含义
-
Loadi