pca(pcaMethods)
pca()所属R语言包：pcaMethods
Perform principal component analysis
进行主成分分析
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Can be used for computing PCA on a numeric matrix for visualisation, information extraction and missing value
可用于计算PCA的一个可视化，信息提取和遗漏值的数字矩阵
用法----------Usage----------
"pareto", "vector", "uv"), center=TRUE, completeObs=TRUE,
参数----------Arguments----------
参数：object
Numerical matrix with (or an object coercible to such) with samples in rows and variables as columns. Also takes ExpressionSet in which case the transposed expression matrix is used.
数值矩阵（或对象强制转换等）与样品中的行和列作为变量。还需要ExpressionSet在这种情况下，用于换位表达矩阵。
参数：method
One of the methods reported by pcaMethods()
的方法之一pcaMethods()
参数：nPcs
Number of principal components to calculate.
数量来计算的主要组成部分。
参数：scale
Scaling, see prep.
缩放，看到prep。
参数：center
Centering, see prep.
定心，看到prep。
参数：completeObs
Sets the completeObs slot on the resulting pcaRes object containing the original data with but with all NAs replaced with the estimates.
completeObs插槽设置上产生的pcaRes对象，其中包含原始数据，但估计取代所有NAS。
参数：subset
A subset of variables to use for calculating the model. Can be column names or indices.
变量的一个子集，使用的计算模型。可以是列名或指数。
参数：cv
character naming a the type of cross-validation to be performed.
字符命名的交叉验证要执行的类型。
参数：...
Arguments to prep, the chosen pca method and Q2. </table>
prep论点，所选的PCA方法和Q2。 </ TABLE>
Details
详情----------Details----------
This method is wrapper function for the following set of pca methods:
这种方法是PCA方法下面的一组包装功能：
svd: Uses classical prcomp.See
SVD：使用经典prcomp见。
nipals: An iterative method capable of handling small amounts of missing values. See documentation for
nipals：迭代方法能够处理少量的缺失值。见文件
rnipals: Same as nipals but implemented in R.
rnipals：同为nipals但在R.实施
bpca: An iterative method using a Bayesian model to handle
BPCA：使用贝叶斯模型来处理一个迭代法
ppca: An iterative method using a probabilistic model to
PPCA：迭代法，使用概率模型
svdImpute: Uses expectation maximation to perform SVD PCA on incomplete data. See documentation for
svdImpute：使用期望maximation SVD的PCA的执行上不完整的数据。见文件
Scaling and centering is part of the PCA model and handled by
缩放和居中是PCA模型的一部分，并处理
值----------Value----------
A pcaRes object.
一个pcaRes对象。
作者（S）----------Author(s)----------
Wolfram Stacklies, Henning Redestig
参考文献----------References----------
related models by iterative least squares. In Multivariate Analysis (Ed., P.R. Krishnaiah), Academic Press, NY, 391-420.
Ken-ichi Matsubara and Shin Ishii. A Bayesian missing value estimation method for gene expression profile data. Bioinformatics, 19(16):2088-2096, Nov 2003.
Hastie T. and Tibshirani R. and Botstein D. and Altman RB. - Missing value estimation methods for DNA microarrays.
参见----------See Also----------
prcomp, princomp,
prcomp，princomp
举例----------Examples----------
## Usually some kind of scaling is appropriate[＃一般是适当的一些缩放]
pcIr <- pca(iris[,1:4], method="svd", nPcs=2)
pcIr <- pca(iris[,1:4], method="nipals", nPcs=3, cv="q2")
## Get a short summary on the calculated model[＃获取的计算模型上的简短摘要]
summary(pcIr)
plot(pcIr)
## Scores and loadings plot[＃分数和负荷图]
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-2-26 10:51:17
