Pca ရလဒ်များကိုမြင်ယောင်ရန် r တွင် biplot တစ်ခုကိုဖန်တီးနည်း

Principal component analysis (PCA) သည် data set တစ်ခုတွင် ကွဲလွဲမှု၏ အစိတ်အပိုင်းများစွာကို ရှင်းပြသည့် အဓိကအစိတ်အပိုင်းများကို ရှာဖွေရန် ကြီးကြပ်ထားသော စက်သင်ယူမှုနည်းပညာတစ်ခုဖြစ်သည်။

ပေးထားသည့်ဒေတာအတွဲတစ်ခုအတွက် PCA ၏ရလဒ်များကိုမြင်ယောင်နိုင်ရန်၊ ပထမအဓိကအစိတ်အပိုင်းနှစ်ခုဖြင့်ဖွဲ့စည်းထားသောလေယာဉ်ပေါ်ရှိ dataset တစ်ခုစီတွင်ကြည့်ရှုမှုတစ်ခုစီကိုပြသသည့် biplot တစ်ခုကိုဖန်တီးနိုင်သည်။

biplot တစ်ခုကို ဖန်တီးရန် R တွင် အောက်ပါ အခြေခံ syntax ကို အသုံးပြုနိုင်ပါသည်။

 #perform PCA
results <- princomp(df)

#create biplot to visualize results of PCA
biplot(results)

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- R တွင် biplot တစ်ခုကို ဖန်တီးနည်း

ဤဥပမာအတွက်၊ USArrests ဟုခေါ်သော built-in R ဒေတာအတွဲကို အသုံးပြုပါမည်။

 #view first six rows of USArrests dataset
head(USArrests)

           Murder Assault UrbanPop Rape
Alabama 13.2 236 58 21.2
Alaska 10.0 263 48 44.5
Arizona 8.1 294 80 31.0
Arkansas 8.8 190 50 19.5
California 9.0 276 91 40.6
Colorado 7.9 204 78 38.7

PCA ကိုလုပ်ဆောင်ရန်နှင့် biplot တစ်ခုတွင်ရလဒ်များကိုမြင်ယောင်ရန်အောက်ပါကုဒ်ကိုကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 #perform PCA
results <- princomp(USArrests)

#visualize results of PCA in biplot
biplot(results)

x-axis သည် ပထမအဓိကအစိတ်အပိုင်းကိုပြသသည်၊ y-axis သည် ဒုတိယအဓိကအစိတ်အပိုင်းကိုပြသပြီး dataset မှတစ်ဦးချင်းစီ လေ့လာတွေ့ရှိချက်များကို အနီရောင်ဖြင့်ပြသထားသည့် variable လေးခုစလုံးကို ဂရပ်အတွင်းပြသထားသည်။

ကြံစည်မှု၏အသွင်အပြင်ကိုပြောင်းလဲရန် biplot လုပ်ဆောင်ချက်တွင် ကျွန်ုပ်တို့အသုံးပြုနိုင်သည့် အကြောင်းပြချက်များစွာရှိသည်ကို သတိပြုပါ။

ဥပမာအားဖြင့်၊ အရောင်များ၊ ဖောင့်အရွယ်အစား၊ ဝင်ရိုးနယ်နိမိတ်များ၊ ကွက်ကွက်ခေါင်းစဉ်၊ ဝင်ရိုးခေါင်းစဉ်များနှင့် ကွက်ကွက်အတွင်းရှိ မြှားအရွယ်အစားတို့ကို ပြောင်းလဲရန် အောက်ပါကုဒ်ကို အသုံးပြုနိုင်ပါသည်။

 #create biplot with custom appearance
biplot(results,
       col=c(' blue ', ' red '),
       cex=c(1, 1.3),
       xlim=c(-.4, .4),
       main=' PCA Results ',
       xlab=' First Component ',
       ylab=' Second Component ',
       expand= 1.2 ) 

ဤစာစုသည် ယခင်စာထက် အနည်းငယ်ပိုမိုလွယ်ကူသည်။

biplot ၏အသွင်အပြင်ကိုပြောင်းလဲရန် သင်အသုံးပြုနိုင်သည့် အကြောင်းပြချက်အပြည့်အစုံကို ဤနေရာတွင် ရှာနိုင်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် အဓိကအစိတ်အပိုင်းခွဲခြမ်းစိတ်ဖြာခြင်းဆိုင်ရာ နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

ကြီးကြပ်မှု နှင့် ကြီးကြပ်မထားသော သင်ကြားရေးဆိုင်ရာ အမြန်မိတ်ဆက်
R- တစ်ဆင့်ပြီးတစ်ဆင့် နမူနာတွင် အဓိကအစိတ်အပိုင်း ခွဲခြမ်းစိတ်ဖြာခြင်း။