R_Studio(学生成绩)使用主成分分析实现属性规约
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
- 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=& ...
- 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 ...
- 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 ...
- 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_ ...
- 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 ...
- 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' ...
- 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 ...
- 【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 ...
- 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
- multivariate_normal 多元正态分布
多元正态分布 正态分布大家都非常熟悉了,多元正态分布就是多维数据的正态分布,其概率密度函数为 上式为 x 服从 k 元正态分布,x 为 k 维向量:|Σ| 代表协方差矩阵的行列式 二维正态分布概率密度 ...
- 滚动页面产生动画WOW.js的用法
简介 在一些网页上,当你滚动页面的时候会看到各式各样的元素动画效果,非常动感.WOW.js 就是一款帮助你实现这种 CSS 动画效果的插件.WOW.js 依赖 animate.css,所以它支持 an ...
- mysql索引失效的情况
1.WHERE字句的查询条件里有不等于号(如:WHERE column!=...),MYSQL将无法使用索引: 2.WHERE字句的查询条件里使用了函数的列(如:WHERE DAY(column)=. ...
- 数据结构（三） 树和二叉树，以及Huffman树
三.树和二叉树 1.树 2.二叉树 3.遍历二叉树和线索二叉树 4.赫夫曼树及应用 树和二叉树 树状结构是一种常用的非线性结构,元素之间有分支和层次关系,除了树根元素无前驱外,其它元素都有唯一前驱. ...
- 精确率与回召率与 F1-Meature
例子: true positive(真正例): 把 Colin power预测为Colin power(55) false positive(假正例): 把 其他人预测为Colin power(4+1 ...
- python3.7 利用pyhive 连接上hive(亲测可用)
来python爬虫中,经常会遇到数据的存储问题,如果有大量数据,hive存储是个不错的选择. 那么python如何来连接hive呢?网上有各种教程但是都不是很好用,亲自测试pyhive可用 要求:可用 ...
- python CGI环境搭建
本文web服务器使用的为apache. 1. 安装apache yum install -y httpd 2. 配置apache 修改apache配置文件/etc/httpd/conf/httpd.c ...
- 全年DDoS攻击分析|知道创宇云安全2018年度网络安全态势报告
*本报告由知道创宇云安全出品* 数据来源:知道创宇云防御平台 前言 2018年,网络安全领域暗流涌动,攻击趋势不断攀升,T级DDoS攻击多次爆发.数据泄露事件层出不穷.勒索软件大行其道.此外,随着我国 ...
- Delphi 处理异常情况
- Tensorflowlite移植ARM平台iMX6
一.LINUX环境下操作: 1.安装交叉编译SDK (仅针对该型号:i.MX6,不同芯片需要对应的交叉编译SDK) 编译方法参考:手动编译用于i.MX6系列的交叉编译SDK 2.下载Tensorflo ...