比较 R 中的 svd 和 princomp
我想获取 R 中矩阵的奇异值来获取主成分，然后也使 princomp(x) 来比较结果
我知道 princomp() 会给出主成分
问题
如何从 $d、$u 和 $v 中获取主成分（s = svd(x) 的解）？
I want to get singular values of a matrix in R to get the principal components, then make princomp(x) too to compare results
I know princomp() would give the principal components
Question
How to get the principal components from $d, $u, and $v (solution of s = svd(x) )?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
无论如何，您可能应该研究一下
prcomp，它使用svd而不是eigen来计算 PCA（如princomp中所示）代码>）。这样，如果您想要的只是 PCA 输出，但使用svd进行计算，那么您就很幸运了。另外，如果您在命令行中输入
stats:::prcomp.default，您可以自己查看它如何使用svd的输出。One way or another, you should probably look into
prcomp, which calculates PCA usingsvdinstead ofeigen(as inprincomp). That way, if all you want is the PCA output, but calculated usingsvd, you're golden.Also, if you type
stats:::prcomp.defaultat the command line, you can see how it's using the output ofsvdyourself.