对11_1_4.csv成绩表进行主成分分析处理

  

setwd('D:\\data')

list.files()

#读取数据
dat=read.csv(file="11_1_4.csv",header=TRUE)
dat=dat[,-c(1,2,10,11)] #主成分分析
PCA=princomp(dat,cor=F)
names(PCA)#查看输出项 (PCA$sdev)^2#主成分特征根
summary(PCA)#主成分贡献率
PCA$loadings#主成分载荷
PCA$scores#主成分得分

Gary.R

> summary(PCA)#主成分贡献率
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7
Standard deviation 21.923097 13.877129 11.2585833 9.08290162 7.12019143 5.87691397 5.25241336 #主成分的标准差
Proportion of Variance 0.482904 0.193489 0.1273575 0.08289078 0.05093782 0.03470209 0.02771882 #方差的贡献率
Cumulative Proportion 0.482904 0.676393 0.8037505 0.88664127 0.93757908 0.97228118 1.00000000 #方差的累积贡献率
 
> PCA$loadings#主成分载荷

Loadings:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7
JAVA程序设计 0.236 0.163 0.297 0.909
电子商务技术 0.623 -0.756 0.124 0.118
计算机维护与维修 0.104 0.190 -0.133 0.960
计算机组成原理 0.470 0.338 0.208 -0.306 -0.719
数据库系统原理 0.365 0.314 0.335 0.761 0.131 -0.234
算法设计与分析 0.372 0.153 -0.894 0.110 -0.105 -0.126
大学英语A_4 0.239 0.393 0.155 -0.553 0.572 -0.287 -0.221 Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7
SS loadings 1.000 1.000 1.000 1.000 1.000 1.000 1.000
Proportion Var 0.143 0.143 0.143 0.143 0.143 0.143 0.143
Cumulative Var 0.143 0.286 0.429 0.571 0.714 0.857 1.000
> PCA$scores#主成分得分
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7
[1,] 33.3196037 17.6874355 -0.25422380 -11.2669060 4.2917495 -1.7364204 4.97518007
[2,] 31.1801767 14.1593983 -4.47470827 -7.0283584 6.4786703 -5.8908663 7.45630606
[3,] 16.0593623 4.1733395 4.73087356 3.8211303 5.0571100 -2.4575435 3.28774257
[4,] 18.4599795 6.8838756 -5.17888938 -3.5337153 -3.5324890 9.0664813 -10.53284043
[5,] 22.6257727 -5.2588625 9.25342354 -0.7271976 9.8075163 8.4440318 -2.74254542
[6,] 18.4583765 0.3841284 -5.83949272 -8.1471985 -13.7079196 -6.2410719 -3.88663198
[7,] 20.7765859 13.6381355 -1.96535180 7.0825406 11.4998414 3.8088176 -6.24709551
[8,] 22.4055982 1.2572326 -4.52725913 8.5461387 -5.8650063 3.1370173 5.43043952
[9,] 10.6507844 10.4129351 15.42304832 4.4685204 1.1673139 8.1402877 -9.46484450
[10,] 17.1639629 -2.9525391 -10.01258904 -25.4490785 -5.4754708 -13.5277187 -7.95516018
[11,] 17.7945634 8.4024604 -0.35035882 2.3099044 -10.0253564 6.9582191 2.35849100
[12,] 12.8598877 -0.5588604 12.91817330 -2.2976186 5.7661594 0.3122876 1.63729804
[13,] 17.8084340 -3.0194490 -6.51371177 2.1379239 -4.3093249 -0.2923455 -2.14479586
[14,] 10.4585027 1.0417386 -19.73650352 14.2034399 1.8029565 6.4274103 -8.10728416
[15,] 10.3192625 -4.8219566 -3.60217599 -4.0807410 9.1303336 2.1788406 -0.47648506
[16,] 19.4722336 -9.0230062 13.96055565 -3.0505762 16.4767485 -0.0768518 1.97413948
[17,] 12.4466032 3.6624606 11.86842261 -2.2940459 -5.3363913 2.9385003 12.01728038
[18,] 10.9412050 -5.2512180 12.77385227 0.1711016 5.8379586 1.8466416 -7.84034045
[19,] 20.2156694 -11.9257596 -4.89824057 4.2539217 1.2212099 -1.3598156 0.69586378
[20,] 7.5757204 1.4629122 12.45201823 1.3380320 -11.4475596 -3.0560369 -0.33679014
[21,] 2.7560708 9.2670628 12.12499946 8.2058762 -6.6679381 -1.8767783 1.75044570
[22,] 6.9386608 21.9442175 16.71159245 2.4286736 -0.8955840 -6.6829971 -4.72743757
[23,] -9.9243741 0.4757100 0.01573284 1.4254642 2.4706595 -3.8905899 2.61108720
[24,] 6.5950893 3.7321278 -8.91241929 -0.5066062 6.3637581 1.2706868 1.10666607
[25,] 16.2275862 -4.7775620 -13.76590352 -22.8140031 5.2334105 9.4658474 3.59374787
[26,] -1.6370774 16.7224036 11.47807300 1.3839942 0.1871615 -3.8104935 -2.65749127
[27,] -4.9984010 6.7262848 9.33017015 9.4159721 -11.9826050 -1.9271300 -2.70926180
[28,] -0.9466044 -4.9963382 -13.44043198 6.8435895 7.0608288 -2.0568204 -6.36663646
[29,] -6.9405262 9.3086749 -4.25783374 13.8646433 0.9253015 -12.7755734 -0.51105509
[30,] 1.7219892 -5.6298414 -10.69930010 13.6120593 -5.2090180 -10.0628742 -4.78383632
[31,] -0.3541851 12.2312177 -6.08951913 10.4920885 -7.2794460 3.1028452 4.27513314
[32,] -4.3581531 -5.9643460 -7.16475122 6.4932550 -5.1895961 -1.7878238 2.16402149
[33,] -14.4453722 -0.1044177 1.61962685 9.0343576 -2.1145786 7.1296350 6.88736228
[34,] -3.8559156 -20.4106594 2.79158832 0.3726180 -4.4280421 -0.6170102 4.28772644
[35,] 13.6221594 -7.3733618 -4.65438509 -6.9531488 -10.0671883 -0.5898709 -0.36369030
[36,] -14.2113823 -16.6100486 9.07203345 -13.4515467 -2.0797826 -3.1567749 2.94481184
[37,] -10.3241338 -21.8739290 -0.25448952 -4.2178114 -5.8253442 -2.2815638 2.57099401
[38,] -1.6878990 -13.9744770 -32.25639847 1.7264204 -6.8524217 11.0633408 4.89836794
[39,] -21.9957957 -24.0405721 22.38147318 12.4602238 0.9192234 7.6823693 0.90812105
[40,] -27.3899348 -15.4321304 13.48446066 5.0113346 -2.4836177 -4.2459026 6.84884606
[41,] -36.8582514 -10.8359097 4.53814047 -4.9203118 12.2050066 -4.2598492 -1.97133591
[42,] -29.1632178 -5.8974902 17.50675815 -13.0108622 -1.3726696 7.3525642 -1.22636356
[43,] -39.0671787 22.1658349 -3.46728792 -2.2345130 5.9431736 -8.7253538 -0.08618077
[44,] -13.5103452 -28.6644930 -6.58252140 -11.1545147 2.1688582 -4.5438992 0.97442827
[45,] -52.4375907 51.4437648 -10.05342584 -9.6192156 1.9129401 5.2524403 9.21448312
[46,] -31.0312852 -12.0406147 -21.53204798 15.8935480 14.8361158 -4.9785873 2.95657858
[47,] -73.7162166 4.2544914 -3.95079643 -10.2388023 -6.6166558 7.3302988 -12.68745922

  

绘制各个科目主成分碎石图

screeplot(PCA,type="lines")

  

R_Studio(学生成绩)使用主成分分析实现属性规约的更多相关文章

  1. R_Studio(学生成绩)对数据进行属性构造处理

    对“Gary.csv”中数据进行进行属性构造处理,增加“总成绩”属性 Gary.csv setwd('D:\\data') list.files() #数据读取 dat=read.csv(file=& ...

  2. R_Studio(学生成绩)使用cbind()函数对多个学期成绩进行集成

    “Gary1.csv”.“Gary2.csv”.“Gary3.csv”中保存了一个班级学生三个学期的成绩 对三个学期中的成绩数据进行集成并重新计算综合成绩和排名,并按排名顺序排布(学号9位数11130 ...

  3. R_Studio(学生成绩)对数据缺失值md.pattern()、异常值分析(箱线图)

    我们发现这张Gary.csv表格存在学生成绩不完全的(五十三名学生,三名学生存在成绩不完整.共四个不完整成绩) 79号大学语文.高等数学 96号中国近代史纲要 65号大学体育 (1)NA表示数据集中的 ...

  4. R_Studio(学生成绩)对两个班级学生成绩进行集合,重新计算学生综合测评成绩并对学生按综合测评成绩进行排名

    对成绩表"11_1_1.csv" "11_2_1.csv"进行集成,并重新计算4门课程的平均分为综合测评,增加“排名”属性,并按排名排序 "11_1_ ...

  5. R_Studio(学生成绩)数据相关性分析

    对“Gary.csv”中的成绩数据进行统计量分析 用cor函数来计算相关性,method默认参数是用pearson:并且遇到缺失值,use默认参数everything,结果会是NA 相关性分析 当值r ...

  6. R_Studio(学生成绩)对数值型数据进行统计量分析

    对“Gary.csv”中的成绩数据进行统计量分析 基础数据分析 均值 中位数 极差   标准差   变异系数 1/4分位数 3/4分位数 四分位间距... ...分析 setwd('D:\\data' ...

  7. R_Studio(学生成绩)绘制频率分布直方图、分布饼图、折线比较图

    对“Gary.csv”中的成绩数据进行分布分析 (1)按0-59,60-69,70-79,80-89,90-100分组绘制高级语言程序设计成绩的频率分布直方图. (2)按0-59,60-69,70-7 ...

  8. 【转】 [C/OC的那点事儿]NSMutableArray排序的三种实现(依赖学生成绩管理系统).

    原文网址:http://blog.csdn.net/ministarler/article/details/17018839 c语言实现的学生成绩管理系统是面向过程的,而OC实现的学生成绩管理系统则是 ...

  9. Day_11【集合】扩展案例1_遍历打印学生信息,获取学生成绩的最高分,获取成绩最高的学员,获取学生成绩的平均值,获取不及格的学员数量

    分析以下需求,并用代码实现: 1.按照以下描述完成类的定义 学生类 属性: 姓名name 年龄age 成绩score 行为: 吃饭eat() study(String content)(content ...

随机推荐

  1. CSS3面包屑菜单导航

    在线演示 本地下载

  2. GoAccess操作手册

    名字 GoAccess - 可视化 Web 日志分析工具. 语法 goaccess [filename] [ options ... ] [-c][-M][-H][-q][-d][...] 描述 Go ...

  3. C# 连接 Oracle数据库增删改查,事务

    一. 前情提要 一般.NET环境连接Oracle数据库,是通过 TNS/SQL.NET 配置文件,而 TNS 必须要 Oracle 客户端(如果连接的是服务器的数据库,本地还要装一个 client , ...

  4. EJS学习(二)之语法规则上

    标签含义 <% %> :'脚本' 标签,用于流程控制,无输出即直接使用JavaScript语言. <%= %>:转义输出数据到模板(输出是转义 HTML 标签)即在后端定义的变 ...

  5. ubuntu 创建定时备份pg数据库定时任务

    ubuntu创建定时备份数据库定时任务 一.命令文件 创建db_back.sh #!/bin/bash echo "start backup" /usr/lib/postgresq ...

  6. linux下ifconfig只剩下lo的解决方法

    运行以下命令,删除旧的网络配置,重新让networkmanager自动配置即可 sudo service network-manager stop sudo rm /var/lib/NetworkMa ...

  7. 为何 linux 要用 tar.gz,而不用 7z 或 zip?

    因为 7z 和 zip 压缩格式都不能保留 unix 风格的文件权限,比如解压出个可执行文件要重新 chmod chown 才能恢复正常.而 tar 格式可以.而 tar 本身不提供压缩,无非就是把包 ...

  8. Java入门指南-04 顺序、分支、循环

    顺序结构 从上至下,依次执行 if 语句在 Java 里,用 if 语句来实现“当满足 XXX 条件时,执行 YYY”这样的逻辑判断.例如,在使用共享单车时需要检查人的年纪.如果在 12 岁以下,则禁 ...

  9. 【LOJ 6695】天气之子

    找规律题的典范? OEIS裸题 考场上让你用 OEIS 吗 题意 link 题解 \(n\le 5\) 打表 \(n\le 10^5\) 发现不能直接求最优解,于是二分答案. 验证答案时,先把前 \( ...

  10. 【CF1181D】Irrigation

    题目大意:给定 M 个城市,每年会选出一个城市举办比赛,现给出前 N 年城市举办比赛的情况.在接下来的年份中,每年会在举办比赛次数最小的城市举办比赛,如果有很多城市举办次数均为最小值,则在编号最小的城 ...