Construire un diagramme de score à l'aide des composants principaux

Aug 18 2020

J'essaie de créer des tracés de score des deux premiers composants principaux. Je commence par diviser les données en trois blocs de données basés sur class. Je transforme ensuite les données et réalise l'ACP.

Mes données sont les suivantes :

14      1   82.0 12.80   7.60   1070   105   400
14      1   82.0 11.00   9.00    830   145   402
14      1  223.6 17.90  10.35   2200   135   500
15      1  164.0 14.50   9.80   1946   138   500
15      1  119.0 12.90   7.90   1190   140   400
15      1   74.5  7.50   6.30    653   177   350
15      1   74.5 11.13   8.28    930   113   402
16      1  279.5 14.30   9.40   1575   230   700
16      1   82.0  7.80   6.70    676   175   525
16      1   67.0 11.00   8.30    920   106   300
16      2  112.0 11.70   8.00   1353   140   560
16      2  149.0 12.80   8.70   1550   170   550
16      2  119.0  8.50   7.40    888   175   250
16      2  119.0 13.30   9.60   1275   157   450
16      2  238.5 14.90   8.90   1537   183   700
16      2  205.0 12.00   7.90   1292   201   600
16      2   82.0  9.40   6.20    611   209   175
16      2  119.0 15.95  10.25   1350   145   450
16      2  194.0 16.74  10.77   1700   120   450
17      2  336.0 22.20  10.90   3312   135   450
17      3  558.9 23.40  12.60   4920   152   600
17      3  287.0 14.30   9.40   1510   176   800
17      3  388.0 23.72  11.86   3625   140   500
17      3  164.0 11.90   9.80    900   190   600
17      3  194.0 14.40   9.20   1665   175   600
17      3  194.0 14.40   8.90   1640   175   600
17      3  186.3  9.70   8.00   1081   205   600
17      3  119.0  8.00   6.50    625   196   400
17      3  119.0  9.40   6.95    932   165   250
17      3   89.4 14.55   9.83   1378   146   400

Colonne 1 : type, Colonne 2 : class, Colonne 3 : v1, Colonne 4 : v2, Colonne 5 : v3, Colonne 6 : v4, Colonne 7 : v5, Colonne 8 :v6

Mon code est le suivant :

data <- read.csv("data.csv")
result <- split(data, data$class);

data1 <- result[[1]][,3:8];
data1Logged <- log10(data1)
pca.data1Logged = prcomp( ~ v1 + 
                         v2 + 
                         v3 + 
                         v4 + 
                         v5 + 
                         v6, 
                       data = data1Logged, scale. = FALSE );

data2 <- result[[2]][,3:8];
data2Logged <- log10(data2)
pca.data2Logged = prcomp( ~ v1 + 
                         v2 + 
                         v3 + 
                         v4 + 
                         v5 + 
                         v6, 
                       data = data2Logged, scale. = FALSE );

data3 <- result[[3]][,3:8];
data3Logged <- log10(data3)
pca.data3Logged = prcomp( ~ v1 + 
                         v2 + 
                         v3 + 
                         v4 + 
                         v5 + 
                         v6, 
                       data = data3Logged, scale. = FALSE );

Pour chacun des trois class, je veux avoir un tracé de score pour PC1 et PC2 :

pca.data1Logged$x[,1:2]
pca.data2Logged$x[,1:2]
pca.data3Logged$x[,1:2]

C'est le mieux que j'ai pu comprendre:

opar <- par(mfrow = c(1,3))
plot(pca.data1Logged$x[,1:2])
plot(pca.data2Logged$x[,1:2])
plot(pca.data3Logged$x[,1:2])
par(opar)

Mais j'aimerais que ce tracé soit mis à l'échelle, coloré, superposé, etc. J'ai commencé à lire sur ggplot, mais je n'ai pas l'expérience pour le faire. Je voudrais quelque chose comme ceci :

https://cran.r-project.org/web/packages/ggfortify/vignettes/plot_pca.html

Le problème avec ce qui précède est que j'ai divisé les données en 3 blocs de données distincts, il n'y a donc pas d'en-têtes pour "class1", "class2, "class3".

Réponses

3 BappaDas Aug 18 2020 at 12:51

Vous pouvez utiliser factoextraet FactoMineRaimer

library("factoextra")
library("FactoMineR")

#PCA analysis
df.pca <- PCA(df[,-c(1,2)], graph = T)
# Visualize
# Use habillage to specify groups for coloring
fviz_pca_ind(df.pca,
             label = "none", # hide individual labels
             habillage = as.factor(df$class), # color by groups
             palette = c("#00AFBB", "#E7B800", "#FC4E07"),
             addEllipses = TRUE # Concentration ellipses, legend.title = "Class")

Vous pouvez changer Dim1 et 2 en PC1 et 2 manuellement. Pour cela, vous pouvez noter la valeur de "Dim1 (63,9%)" et "Dim2 (23,3%)" à partir de ce tracé et utiliser le code suivant pour changer les Dim1 et 2 en PC1 et 2 comme