r - 主成分对象的标准值在 prcomp 和 caret 中不同

Question

我正在尝试在以下数据集中进行主成分分析。我尝试通过 prcomp 函数和插入符预处理函数。

  library(caret)
  library(AppliedPredictiveModeling)

  set.seed(3433)
  data(AlzheimerDisease)
  adData = data.frame(diagnosis,predictors)
  inTrain = createDataPartition(adData$diagnosis, p = 3/4)[[1]]
  training = adData[ inTrain,]
  testing = adData[-inTrain,]

  # from prcomp
  names1 <-names(training)[substr(names(training),1,2)=="IL"]
  prcomp.data <- prcomp(training[,names1],center=TRUE, scale=TRUE)
  prcomp.data$sdev

  ## from caret package
  preProcess(training[, names1], method=c("center", "scale", "pca"))$std

我想知道为什么 sdev 值在上述过程中不同。 谢谢

Answer 1

第一种方法是为您提供 12 个主要成分的标准偏差(您可以使用 prcomp.data$rotation 查看)。

另外，sdev 值的文档中提到了这一点:

the standard deviations of the principal components (i.e., the square roots of the eigenvalues of the covariance/correlation matrix, though the calculation is actually done with the singular values of the data matrix).

第二个是为您提供预处理输入数据的标准偏差(因此变量名称与每个标准偏差相关联)。

一个小的旁注 -- caret 除非另有说明，否则 PCA 会自动缩放和居中。