r - PCA 使用行而不是列作为变量

Question

我在尝试对我的数据运行主成分分析时遇到了一个棘手的问题。我尝试使用 prcomp(base) 和 rda(vegan)，但分析将列视为样本单位而不是行，这会导致各种问题分析。

以下代码是对我的数据的简化。实际数据集由近 2000 列和大约 350 行组成。但是，当我运行下面的脚本时，问题是一样的:

rn <- rnorm(8000)
dt <- matrix(rn, nrow=80, ncol=1000)

result <- rda(dt, scale=T)
summary(result)

起初我以为这是一个常见的错误，但是我找不到任何类似的问题或解决方案。

有没有办法明确指定使用哪个维度作为样本单位？

Answer 1

虽然您可以使用 SVD 方法对变量 p 多于观察值 n 的数据集执行 PCA，但最多 n 个主成分，如果数据居中，则 n -1。

如果您深入研究您拟合的 PCA 的结果，您会发现它考虑了所有变量并且它们仍然作为变量:

> r2 <- rda(dt, scale=T)
> dim(scores(r2, display = 'species'))
[1] 1000    2

'species' 是 vegan 指代变量加载的方式；有 1000 个变量。

与同样使用 SVD 的 prcomp() 比较:

> r1 <- prcomp(dt, scale = TRUE)
> dim(scores(r1, display = 'species'))
[1] 1000   80

同样是 1000 个变量，80 个主成分(这里是 80 个的原因，而之前的 2 个只是 choices 的默认值，即提取分数的轴。)