{"id":2898,"date":"2023-07-20T04:57:58","date_gmt":"2023-07-20T04:57:58","guid":{"rendered":"https:\/\/statorials.org\/nl\/biplot-r\/"},"modified":"2023-07-20T04:57:58","modified_gmt":"2023-07-20T04:57:58","slug":"biplot-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/biplot-r\/","title":{"rendered":"Hoe u een biplot in r maakt om pca-resultaten te visualiseren"},"content":{"rendered":"

<\/p>\n

\n

Principal Component Analysis<\/strong> (PCA) is een machine learning-techniek zonder toezicht<\/a> die tot doel heeft de belangrijkste componenten te vinden die een groot deel van de variatie in een dataset verklaren.<\/span><\/p>\n

Om de resultaten van PCA voor een bepaalde dataset te visualiseren, kunnen we een biplot<\/strong> maken. Dit is een plot die elke waarneming in een dataset weergeeft op een vlak dat wordt gevormd door de eerste twee hoofdcomponenten.<\/span><\/p>\n

We kunnen de volgende basissyntaxis in R gebruiken om een biplot te maken:<\/span><\/p>\n

 #perform PCA<\/span>\nresults <- princomp(df)\n\n#create biplot to visualize results of PCA<\/span>\nbiplot(results)<\/strong><\/pre>\n
 Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n
 Voorbeeld: Hoe maak je een biplot in R<\/strong><\/span><\/h3>\n
 Voor dit voorbeeld gebruiken we de ingebouwde R-dataset genaamd USArrests<\/strong> :<\/span><\/p>\n
 #view first six rows of USArrests<\/em> dataset<\/span>\nhead(USArrests)\n\n           Murder Assault UrbanPop Rape\nAlabama 13.2 236 58 21.2\nAlaska 10.0 263 48 44.5\nArizona 8.1 294 80 31.0\nArkansas 8.8 190 50 19.5\nCalifornia 9.0 276 91 40.6\nColorado 7.9 204 78 38.7\n<\/strong><\/pre>\n
 We kunnen de volgende code gebruiken om PCA uit te voeren en de resultaten in een biplot te visualiseren:<\/span> <\/p>\n
 #perform PCA\n<\/span>results <- princomp(USArrests)\n\n#visualize results of PCA in biplot\n<\/span>biplot(results)\n<\/span><\/span><\/strong><\/pre>\n
\"\"<\/p>\n
 Merk op dat er verschillende argumenten zijn die we kunnen gebruiken voor de biplotfunctie<\/strong> om het uiterlijk van de plot te veranderen.<\/span><\/p>\n
 We kunnen bijvoorbeeld de volgende code gebruiken om de kleuren, lettergrootte, asgrenzen, plottitel, astitels en grootte van pijlen in de plot te wijzigen:<\/span> <\/p>\n
 #create biplot with custom appearance\n<\/span>biplot(results,\n       col=c(' blue<\/span> ', ' red<\/span> '),\n       cex=c(1, 1.3),\n       xlim=c(-.4, .4),\n       main=' PCA Results<\/span> ',\n       xlab=' First Component<\/span> ',\n       ylab=' Second Component<\/span> ',\n       expand= 1.2<\/span> )<\/strong> <\/pre>\n
\"dubbelplot<\/p>\n
 Deze biplot is iets gemakkelijker te lezen dan de vorige.<\/span><\/p>\n
 Aanvullende bronnen<\/strong><\/span><\/h3>\n
 De volgende zelfstudies bieden aanvullende informatie over de analyse van hoofdcomponenten:<\/span><\/p>\n
Een korte introductie tot begeleid en onbewaakt leren<\/a>
 Hoofdcomponentenanalyse in R: stapsgewijs voorbeeld<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
Principal Component Analysis (PCA) is een machine learning-techniek zonder toezicht die tot doel heeft de belangrijkste componenten te vinden die een groot deel van de variatie in een dataset verklaren. Om de resultaten van PCA voor een bepaalde dataset te visualiseren, kunnen we een biplot maken. Dit is een plot die elke waarneming in een […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2898","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\nHoe u een biplot in R maakt om PCA-resultaten te visualiseren - Statorials<\/title>\n<meta name=\"description\" content=\"In deze zelfstudie wordt uitgelegd hoe u een biplot in R maakt om de resultaten van een hoofdcomponentenanalyse te visualiseren.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/biplot-r\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Hoe u een biplot in R maakt om PCA-resultaten te visualiseren - Statorials\" \/>\n<meta property=\"og:description\" content=\"In deze zelfstudie wordt uitgelegd hoe u een biplot in R maakt om de resultaten van een hoofdcomponentenanalyse te visualiseren.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/biplot-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-20T04:57:58+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/biplot1.jpg\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"2\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/biplot-r\/\",\"url\":\"https:\/\/statorials.org\/nl\/biplot-r\/\",\"name\":\"Hoe u een biplot in R maakt om PCA-resultaten te visualiseren - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-20T04:57:58+00:00\",\"dateModified\":\"2023-07-20T04:57:58+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"In deze zelfstudie wordt uitgelegd hoe u een biplot in R maakt om de resultaten van een hoofdcomponentenanalyse te visualiseren.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/biplot-r\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/biplot-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/biplot-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Hoe u een biplot in r maakt om pca-resultaten te visualiseren\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Hoe u een biplot in R maakt om PCA-resultaten te visualiseren - Statorials","description":"In deze zelfstudie wordt uitgelegd hoe u een biplot in R maakt om de resultaten van een hoofdcomponentenanalyse te visualiseren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/biplot-r\/","og_locale":"de_DE","og_type":"article","og_title":"Hoe u een biplot in R maakt om PCA-resultaten te visualiseren - Statorials","og_description":"In deze zelfstudie wordt uitgelegd hoe u een biplot in R maakt om de resultaten van een hoofdcomponentenanalyse te visualiseren.","og_url":"https:\/\/statorials.org\/nl\/biplot-r\/","og_site_name":"Statorials","article_published_time":"2023-07-20T04:57:58+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/biplot1.jpg"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"2\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/biplot-r\/","url":"https:\/\/statorials.org\/nl\/biplot-r\/","name":"Hoe u een biplot in R maakt om PCA-resultaten te visualiseren - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-20T04:57:58+00:00","dateModified":"2023-07-20T04:57:58+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"In deze zelfstudie wordt uitgelegd hoe u een biplot in R maakt om de resultaten van een hoofdcomponentenanalyse te visualiseren.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/biplot-r\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/biplot-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/biplot-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Hoe u een biplot in r maakt om pca-resultaten te visualiseren"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/2898","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=2898"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/2898\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=2898"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=2898"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=2898"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
 Hier<\/a> vindt u een volledige lijst met argumenten die u kunt gebruiken om het uiterlijk van de biplot te wijzigen.<\/span><\/p>\n
 Op de x-as wordt de eerste hoofdcomponent weergegeven, op de y-as de tweede hoofdcomponent, en individuele waarnemingen<\/a> uit de dataset worden in de grafiek weergegeven, waarbij alle vier de variabelen in rood worden weergegeven.<\/span><\/p>\n