r语言:因子分析和聚类分析实例

r语言:因子分析和聚类分析实例-降维+样本聚类

18 一月, 2013, oldlee11, R语言与数据挖掘, R语言同数据统计/分析, 因子分析, 聚类分析, , 0

函数库

?

001

002

003

004

005

006

007

008

009

010

011

012

013

014

015

016

017

018

019

020

021

022

023

024

025

026

027

028

029

030

031

032

033

034

035

036

037

038

039

040

041

042

043

044

045

046

047

048

049

050
r语言:因子分析和聚类分析实例

051

052

053

054

055

056

057

058

059

060

061

062

063

064

065

066

067

068

069

070

071

072

073

074

075

076

077

078

079

080

081

082

083

084

085

086

087

088

089

090

091

092

093

094

095

096

097

098

099

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

#*************因子分析-R语言实现,函数库文件**************#

#****作者:oldlee11***************************************#

#****版本:v0.1*******************************************#

#****时间:2013-1-17*************************************#

#功能目标:原始数据变量x1,x2,x3....xn(全体记为X)。通过样本可以知道某些变量之间有相关性。

# 则计算出新变量/因子f1,f2,f3....fm(m<n)(全体记为F),这新变量/因子F可以最大程度的表达原变量X

# 由于新变量的个数m小于原始变量个数n,即降维了。

#原理:AF+e=X

# A叫因子载荷(loading)。意义:fi(某1个因子)和xi(某一个原变量)的相关系数,接近1表示fi和xi相关性强:aij=cov(xi,fj)

# e叫特殊因子

#其它术语变量:

# 公因子方差:F(所有因子)解释xi(某一个原始变量)的方差百分比(贡献)

# 特征值:fi(某一个因子)解释X(所有原始变量)的方差百分比(贡献)

# 因子得分:在计算得出了A后,计算F内的样本数据。

# 旋转:对因子载荷进行旋转,之后因子载荷各项大的越来越大,小的越来越小,便于划分因子和原始变量的关系。

#****函数:factor()

#****概要:因子分析法

#****输入:

# 名称 | 数据格式

# data_frame | 欲分析的数据 ,数据框格式,最好带名称,不可以有factor分类数据

# factors | 欲产生的因子个数小于原始数据的变量个数

# scores | 是否进行因子得分

# rotation | 是否进行旋转

# loadings.abs.std | 用于从因子载荷中挑出那些原始变量和那些因子相关的标准(相对系数的绝对值的最低标准)

#****输出:

# factanal(..)产生的结果

# factanal(..)$score并非数据框格式,需要as.data.frame(factanal(..)$score)转化一下才是数据框格式。

factor<-function(data_frame,factors=2,scores="none",rotation="none",loadings.abs.std=0.6){

sol<-factanal(~.,data=data_frame,factors=factors,scores=scores,rotation=rotation)#使用最大似然法进行的因子分析。

print("==========================")

print("==== 因子分析结果如下 ====")

print("==========================")

print("模型:X=AF+e")

print("======================================================================")

print("1 A即因子载荷loadings:")

print(" 每个数据(aij)表示了原始变量xi和因子变量fj的相关系数cov.值约接近+1或-1,约相关")

for(i in 1:factors){

print(paste(" 因子",i,"同原始变量的相关性系数"))

print(rev(sort(loadings(sol)[,i])))

}

#### 给出因子和原始变量的可能关系####

print(" 您可以通过以上数据查看接近+1或者-1的数据,以说明某一因子和那些原始变量相关,并分析该因子的隐含意义")

print(paste(" 依据相对系数的绝对值大于在",loadings.abs.std,"原则,我们建议如下:"))

tmp.x<-0#用于记录因子载荷大于loadings.abs.std的所有原始变量的序列号

dev.new()#新窗口# 画出每个因子对应各个变量的柱状图

par(mfrow=c(1,factors))#把窗口分为:1行3列

for(i in 1:factors){

tmp.x.factor<-0#用于记录某一因子中因子载荷大于loadings.abs.std的原始变量的序列号

print(paste(" 因子",i,"可以代表原始变量:"))

print.con<-""

for(j in 1:length(names(data_frame))){

if(abs(loadings(sol)[,i][j])>loadings.abs.std){#loadings.abs.std为相对系数的绝对值的最低标准

print(paste(" ",print.con,names(loadings(sol)[,i][j]),loadings(sol)[,i][j]))

tmp.x<-c(tmp.x,j)

tmp.x.factor<-c(tmp.x.factor,j)

}

}

data1<-sol$loadings[,i]

data1[-tmp.x.factor]<-0

data2<-sol$loadings[,i]

data2[tmp.x.factor]<-0

barplot(data1,horiz=TRUE,main=paste("因子",i,"的载荷"),col="red",xlim=c(-1,1))

barplot(data2,horiz=TRUE,add=TRUE)

}

tmp.x<-tmp.x[-1]

print(" 没有被代表的原始变量有:")

for(i in names(data_frame)[-as.numeric(names(table(tmp.x)))]){

print(paste(" ",i))

}

tmp.x.table<-table(tmp.x)

for(i in 1:length(tmp.x.table)){

if(tmp.x.table[i]>1){

print(paste(" Warings:原始变量",names(data_frame)[as.numeric(names(tmp.x.table[i]))],"被",tmp.x.table[i],"个因子共同代表了"))

}

}

print("2 特殊值:")

print("======================================================================")

ssloadings<-sol$loadings[1,]

for(i in 1:factors){

ssloadings[i]<-sum((sol$loadings[,i])^2)

}

var.sum<-length(names(data))#是每组xi数据标准化后(方差=1)的和=1*原始变量的个数

tmp<-0

tmp.vector<-sol$loadings[1,]#每个因子对应的累计贡献比例

for(i in 1:factors){

print(paste(" 因子",i,"可以解释所有原始变量X", round(10000*ssloadings[i]/var.sum)/100,"%的方差"))

tmp<-(ssloadings[i]/var.sum)+tmp

tmp.vector[i]<-tmp

print(paste(" 因子1至",i,"累计可以解释所有原始变量X", round(10000*tmp)/100,"%的方差"))

print("")

}

print(" 请查看所有因子的累计方差贡献比例,一般来说要大于80%,否则说明因子数目不足")

dev.new()#新窗口#画出累计方差贡献比例

#barplot(tmp.vector,ylim=c(0,1),main="各个因子对整体方差的累计贡献率ssloadings(特征值)")

barplot(ssloadings/var.sum,ylim=c(0,1),main="各个因子对整体方差的贡献率")

lines(tmp.vector,col="blue",lwd=2)

points(c(1:factors),tmp.vector)

text(c(1:factors),tmp.vector+0.05,labels=round(tmp.vector*10000)/10000)

abline(h=0.8,col="red")

print("======================================================================")

print("3 因子得分:")

print(" 使用新产生的因子来表示原来的样本")

print(" 注意:每组因子对应的样本数据(即:每一列)已经经过了标准化:均值约为0,标准差约为1")

print(sol$score)

sol

}

##############系统聚类法:对新样本进行距离############################################

hc<-function(data_frame,k.num){

d<-dist(scale(data_frame))#scale是标准化公式

hc<-hclust(d)

dev.new()

plclust(hc,hang=-1)

re<-rect.hclust(hc,k=k.num,border="red")#划分5个聚类,re[[i]]是第i个聚类包含的样本id向量。

dev.new()

hc.point<-data_frame[1:k.num,]#用于存储每个聚类里个变量的平均值

for(i in 1:k.num){

for(j in 1:length(names(data_frame))){

hc.point[i,j]<-mean(data_frame[re[[i]],j])

}

}

#stars(hc.point+1+round(abs(min(hc.point))))#由于hc.point被标准化,所有有负数,无法使用星图表示,现全体加一个数字,使不再有负数。

#dev.new()

stars(hc.point+1+round(abs(min(hc.point))),full=F,draw.segments=T,key.loc=c(5,0.5),mar=c(2,0,0,0))

dev.new()

stars(hc.point,full=F,draw.segments=T,key.loc=c(5,0.5),mar=c(2,0,0,0),main="不平移")#不知到底使用要平移

hc.point

}

测试程序:

#test1#48个应聘者的15个指标的得分和id号,得分为0-10

data<-read.csv("d://r//factor//applicant.csv")

data<-data[-1]

sol.factor<-factor(data,factors=5,scores="Bartlett",rotation="varimax");

结果:

[1] "=========================="

[1] "==== 因子分析结果如下 ===="

[1] "=========================="

[1] "模型:X=AF+e"

[1] "======================================================================"

[1] "1 A即因子载荷loadings:"

[1] " 每个数据(aij)表示了原始变量xi和因子变量fj的相关系数cov.值约接近+1或-1,约相关"

[1] " 因子 1 同原始变量的相关性系数"

SC AMB SMS LC GSP DRV POT

0.91661844 0.90887444 0.88014177 0.85117729 0.78335594 0.75419498 0.71687415

APP KJ SUIT HON LA FL EXP

0.45087828 0.41774040 0.35058165 0.22821711 0.22162986 0.12746670 0.08041938

AA

0.05933985

[1] " 因子 2 同原始变量的相关性系数"

EXP SUIT FL KJ DRV POT

0.77266335 0.76449559 0.72162726 0.39865243 0.39271661 0.36249122

GSP SMS LA AMB APP AA

0.29450872 0.26601944 0.24577719 0.18712315 0.13392291 0.12887303

LC SC HON

0.12471808 -0.09322833 -0.21981125

[1] " 因子 3 同原始变量的相关性系数"

LA HON KJ POT GSP

0.827370568 0.776987127 0.562811285 0.445529774 0.354466962

LC APP DRV SC AMB

0.278766832 0.269544890 0.198824418 0.166868929 0.112465561

SMS FL SUIT AA EXP

0.111066506 0.101977041 0.058179578 0.002176755 -0.049844918

[1] " 因子 4 同原始变量的相关性系数"

AA POT APP EXP GSP

0.6863156611 0.2672573067 0.2056070064 0.1705401447 0.1480620949

SUIT LC HON AMB DRV

0.1478674226 0.0249597130 -0.0004074814 -0.0365023678 -0.0395939658

SMS LA SC FL KJ

-0.0473907568 -0.0561707141 -0.0720675452 -0.1173475356 -0.5851358195

[1] " 因子 5 同原始变量的相关性系数"

APP AMB DRV HON KJ

0.258158383 0.165496223 0.113689366 0.063946654 0.049305338

POT EXP AA SC SUIT

0.020647994 0.018167169 0.016387719 0.015079928 -0.005404459

FL SMS LA GSP LC

-0.009679265 -0.012552488 -0.078570813 -0.181440791 -0.420287717

[1] " 您可以通过以上数据查看接近+1或者-1的数据,以说明某一因子和那些原始变量相关,并分析该因子的隐含意义"

[1] " 依据相对系数的绝对值大于在 0.6 原则,我们建议如下:"

[1] " 因子 1 可以代表原始变量:"

[1] " SC 0.916618443168082"

[1] " LC 0.851177293416533"

[1] " SMS 0.880141769968176"

[1] " DRV 0.754194978394463"

[1] " AMB 0.908874438992514"

[1] " GSP 0.783355944976582"

[1] " POT 0.716874152279818"

[1] " 因子 2 可以代表原始变量:"

[1] " FL 0.721627255740438"

[1] " EXP 0.77266334848744"

[1] " SUIT 0.764495589647711"

[1] " 因子 3 可以代表原始变量:"

[1] " LA 0.827370568125198"

[1] " HON 0.776987126787634"

[1] " 因子 4 可以代表原始变量:"

[1] " AA 0.686315661069076"

[1] " 因子 5 可以代表原始变量:"

[1] " 没有被代表的原始变量有:"

[1] " APP"

[1] " KJ"

[1] "2 特殊值:"

[1] "======================================================================"

[1] " 因子 1 可以解释所有原始变量X 36.6 %的方差"

[1] " 因子1至 1 累计可以解释所有原始变量X 36.6 %的方差"

[1] ""

[1] " 因子 2 可以解释所有原始变量X 16.71 %的方差"

[1] " 因子1至 2 累计可以解释所有原始变量X 53.31 %的方差"

[1] ""

[1] " 因子 3 可以解释所有原始变量X 14.59 %的方差"

[1] " 因子1至 3 累计可以解释所有原始变量X 67.9 %的方差"

[1] ""

[1] " 因子 4 可以解释所有原始变量X 6.85 %的方差"

[1] " 因子1至 4 累计可以解释所有原始变量X 74.75 %的方差"

[1] ""

[1] " 因子 5 可以解释所有原始变量X 2.2 %的方差"

[1] " 因子1至 5 累计可以解释所有原始变量X 76.96 %的方差"

[1] ""

[1] " 请查看所有因子的累计方差贡献比例,一般来说要大于80%,否则说明因子数目不足"

[1] "======================================================================"

[1] "3 因子得分:"

[1] " 使用新产生的因子来表示原来的样本"

[1] " 注意:每组因子对应的样本数据(即:每一列)已经经过了标准化:均值约为0,标准差约为1"





data<-as.data.frame(sol.factor$score)

sol.hc<-hc(data,k.num=4)

结果:





补充数据applicant.csv

X FL APP AA LA SC LC HON SMS EXP DRV AMB GSP POT KJ SUIT

1 1 6 7 2 5 8 7 8 8 3 8 9 7 5 7 10

2 2 9 10 5 8 10 9 9 10 5 9 9 8 8 8 10

3 3 7 8 3 6 9 8 9 7 4 9 9 8 6 8 10

4 4 5 6 8 5 6 5 9 2 8 4 5 8 7 6 5

5 5 6 8 8 8 4 4 9 5 8 5 5 8 8 7 7

6 6 7 7 7 6 8 7 10 5 9 6 5 8 6 6 6

7 7 9 9 8 8 8 8 8 8 10 8 10 8 9 8 10

8 8 9 9 9 8 9 9 8 8 10 9 10 9 9 9 10

9 9 9 9 7 8 8 8 8 5 9 8 9 8 8 8 10

10 10 4 7 10 2 10 10 7 10 3 10 10 10 9 3 10

11 11 4 7 10 0 10 8 3 9 5 9 10 8 10 2 5

12 12 4 7 10 4 10 10 7 8 2 8 8 10 10 3 7

13 13 6 9 8 10 5 4 9 4 4 4 5 4 7 6 8

14 14 8 9 8 9 6 3 8 2 5 2 6 6 7 5 6

15 15 4 8 8 7 5 4 10 2 7 5 3 6 6 4 6

16 16 6 9 6 7 8 9 8 9 8 8 7 6 8 6 10

17 17 8 7 7 7 9 5 8 6 6 7 8 6 6 7 8

18 18 6 8 8 4 8 8 6 4 3 3 6 7 2 6 4

19 19 6 7 8 4 7 8 5 4 4 2 6 8 3 5 4

20 20 4 8 7 8 8 9 10 5 2 6 7 9 8 8 9

21 21 3 8 6 8 8 8 10 5 3 6 7 8 8 5 8

22 22 9 8 7 8 9 10 10 10 3 10 8 10 8 10 8

23 23 7 10 7 9 9 9 10 10 3 9 9 10 9 10 8

24 24 9 8 7 10 8 10 10 10 2 9 7 9 9 10 8

25 25 6 9 7 7 4 5 9 3 2 4 4 4 4 5 4

26 26 7 8 7 8 5 4 8 2 3 4 5 6 5 5 6

27 27 2 10 7 9 8 9 10 5 3 5 6 7 6 4 5

28 28 6 3 5 3 5 3 5 0 0 3 3 0 0 5 0

29 29 4 3 4 3 3 0 0 0 0 4 4 0 0 5 0

30 30 4 6 5 6 9 4 10 3 1 3 3 2 2 7 3

31 31 5 5 4 7 8 4 10 3 2 5 5 3 4 8 3

32 32 3 3 5 7 7 9 10 3 2 5 3 7 5 5 2

33 33 2 3 5 7 7 9 10 3 2 2 3 6 4 5 2

34 34 3 4 6 4 3 3 8 1 1 3 3 3 2 5 2

35 35 6 7 4 3 3 0 9 0 1 0 2 3 1 5 3

36 36 9 8 5 5 6 6 8 2 2 2 4 5 6 6 3

37 37 4 9 6 4 10 8 8 9 1 3 9 7 5 3 2

38 38 4 9 6 6 9 9 7 9 1 2 10 8 5 5 2

39 39 10 6 9 10 9 10 10 10 10 10 8 10 10 10 10

40 40 10 6 9 10 9 10 10 10 10 10 10 10 10 10 10

41 41 10 7 8 0 2 1 2 0 10 2 0 3 0 0 10

42 42 10 3 8 0 1 1 0 0 10 0 0 0 0 0 10

43 43 3 4 9 8 2 4 5 3 6 2 1 3 3 3 8

44 44 7 7 7 6 9 8 8 6 8 8 10 8 8 6 5

45 45 9 6 10 9 7 7 10 2 1 5 5 7 8 4 5

46 46 9 8 10 10 7 9 10 3 1 5 7 9 9 4 4

47 47 0 7 10 3 5 0 10 0 0 2 2 0 0 0 0

48 48 0 6 10 1 5 0 10 0 0 2 2 0 0 0 0

  

爱华网本文地址 » http://www.413yy.cn/a/25101012/132391.html

更多阅读

转载 C语言:随机函数rand()、srand()、random()和rando

原文地址:C语言:随机函数rand()、srand()、random()和randomized()的区别和用法作者:猎空声明一点:在VC++中,没有random()和randomize()函数,只有rand()和srand()函数。其中,random()和randomize()函数的使用的方法分别与rand()和srand()

转载 有关硕士论文查重的总结:使用paperpass和知网的心得!

原文地址:有关硕士论文查重的总结:使用paperpass和知网的心得!作者:蚂蚁酷9月30日上交了论文查重,今天晚些时候年级通知我们,结果出来了,没有公布相似的比例,但通过了。这算是过了论文的第一关了,略微松了一口气,回想之前改论文的痛苦过程,觉得

用R软件进行探索性因子分析EFA 探索性因子分析案例

EFA的目标是通过发掘隐藏在数据下的一组较少的更为基本的无法观测的变量,来解释一组可观测变量的相关性。这些虚拟的、无法观测的变量称为因子。模型的形式:xi=a1f1+a2f2+a3f3+…..+apfp+u其中xi为第i个可观测变量,fi为公共因子,u为xi

声明:《r语言:因子分析和聚类分析实例》为网友慾朢太濃分享!如侵犯到您的合法权益请联系我们删除