标签：plot loading Biplot 含义 biplot score 成分 PCA

PCA biplot = PCA score plot + loading plot

matlab PCA分析命令：

[coeff,score,latent,tsquared,explained,mu] = pca(X);

　　

前两个主成分的PCA Biplot

如上图所示，PCA Biplot包含两部分。首先是loading plot，这里loading即PCA变换系数。这里有6个变量（X的维度为6），返回的loading为：

coeff =

    0.3541   -0.1231    0.2676    0.1314    0.6925   -0.5396
    0.3408    0.5872    0.6770    0.0068   -0.2737    0.0759
    0.2556   -0.2597    0.1699   -0.0613    0.4066    0.8181
    0.4483   -0.3120   -0.1127    0.7449   -0.3655    0.0218
    0.5788    0.4460   -0.6410   -0.2127    0.0952    0.0306
    0.3965   -0.5257    0.1328   -0.6154   -0.3710   -0.1800

　　ps: loading矩阵是正交的（coeff * coeff' = I）。

上面PCA Biplot中考虑前两个主成分，绘制loading plot时取coeff的前两列。可以看到，第二行和第五行两个坐标均为正，因此，PCA Biplot中V2, V5在第一象限。其余行均为一正一负，因此V1, V3, V4, V6均位于第四象限。

其次是，score plot，这里score指的是主成分值（即输入X经过loading矩阵变换后的值，也称为潜变量）。这里仅考虑前两个主成分，绘制即可。上图红色的散点即是score plot。

PCA biplot含义

从PCA biplot可以看出什么？

1. 各变量间的相关性

V1至V6之间的夹角表示各维度间的相关性，从上图看出，各变量间夹角均小于90度，说明他们呈正相关。（等于90度，没有明确的相关关系，大于90度，负相关关系）

2. 各变量对前两个主成分的贡献

V1-V6的径向长度表示影响的大小，方向表示正负。如，6个变量均对第一主成分有正的影响，V2, V5对第二主成分有正的响应，V1, V3, V4, V6对第二主成分有负的响应。

3. 主成分的变化性

可以看到第一主成分具有最大的方差，第二主成分变化性显著减弱。

4. score的分布

从上图看出除了一些离群点外，score的分布较为紧凑，说明所有样本对系统的反应较为一致。

 

A biplot simultaneously plots information on the observations and the variables in a multidimensional dataset.

A biplot can optimally represent any two of the following characteristics:

• distances between observations
• relationships between variables
• inner products between observations and variables

 

 

 

标签：plot,loading,Biplot,含义,biplot,score,成分,PCA
来源： https://www.cnblogs.com/jiangkejie/p/15221986.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。