3D PCA 帮助也许是一个愚蠢的 PCA 问题：为了安全起见，我想比较不同程序之间的 PCA 图形输出。 以前，我会将每个地标的 x、y、z 空间点上传到 R 中，运行 PCA，然后查看绘图、分数等。但是当我重新运行相同的数据集时，我开始在 R 中得到一些奇怪的结果（母鸡想要比较）。 当我在 JMP 中上传 x、y、z 值并选择分析 > 多元方法 > 主成分时，似乎只是将这些点视为正常值。 这些地标来自高度 3D 的对象，但在 JMP PCA 中，3D 图形输出几乎将所有样本都放在一个平面上。 （这看起来与 R 中完成的输出有 100% 的不同）那么，我可以将 PC 分数上传到 JMP 并从那里运行分析吗？ （或者会以某种方式从已经的分数中生成新的分数吗？）如果我缺少某些东西，或者有更好的选择，我将非常感谢任何和所有建议/帮助。
回复：3D PCA 帮助好的，但在 Excel 表格中没有意义的是为什么每个样本的 36 个 3D 地标（X1、Y1、Z1、X2、Y2、Z2 等）显然都有一个主成分分数。 PCA 不是这样工作的。
PCA主要用作变量缩减技术。 因此，您通常会将大量变量减少到少量 PC。 然后，您可以使用每台 PC 的分数作为观察结果（或样本）的简单描述。
或者，您也可以使用 PCA 来了解变量之间的相关性。
我不确定这里使用PCA的目的是什么。
对不起！回复：3D PCA 帮助希望我能澄清一些事情。 每个样本都有 36 个 3D 标志（X1、Y1、Z1、X2、Y2、Z2 等）。 在我最初用来获取空间坐标的程序（一个名为 Landmark 的程序）中，输出是将整个数据集排列为 X、Y 和 Z 列，其中行构成地标。 当我最初尝试上传该形式的数据集时，JMP 将每一行（即每个地标）作为单独的样本读取。 当我在之前的 JMP 社区帖子中寻求帮助时，建议将每个样本及其所有 X、Y、Z 点转换为单行（即 108 行低条目）。 然后我发现输出 3D 图形只是创建空间点的散点图 - 例如，它实际上是在这些空间维度上绘制具有 3D 坐标 1,2,3 的地标和另一个具有 3,4,5 的地标，而不是电脑值。
因此，从那里我从 R 中获得的数据集中获取 PC 值，并对它们进行“JMP 转换”（构成样本的行及其所有 PC 分数）。 尽管我手头有物理样本，但我想通过主成分分析来比较它们的空间关系。 这就是为什么我认为执行我在之前的评论中提到的在 JMP 中查看 3D PCA 的步骤是可以的……但我想在走得太远之前仔细检查一下。
回复：3D PCA 帮助抱歉，我看不懂数据。 该数据集中似乎有 109 个变量（包括specimin）。 为什么每个样本有 36 个不同的 XYZ 值以及如何在 PCA 中使用这些变量在 PCA 分数选项卡中创建 109 个变量？ 事实上，最好回到基础知识并询问分析的目标是什么以及您使用 PCA 的目的是什么。回复：3D PCA 帮助谢谢菲尔。 对于 3D 图，我想可视化主成分分数中的 x、y、z 坐标。 如果有助于澄清的话，我附上了一份 Excel 电子表格。 您将看到一个选项卡，其中只是每个样本中每个地标的空间 x、y、z 坐标。 第二个选项卡是每个地标的 PC 分数。 我想要可视化从 PC 分数得出的 3D 空间关系，但我想确保创建图表所遵循的步骤是正确的顺序。
回复：3D PCA 帮助你好，
您能否澄清一些事情 - 在 3D 图中，您是否试图可视化 x、y、z、坐标或主成分分数？
我希望主成分分数位于一个平面上。 PCA 的一种思考方式是，它是一种降维技术。 这就是您在 JMP 的 PCA 的 3D 分数图中看到的内容。 前 2 个主成分的“高度 3D”变化已减少为 2D 变化。
那有意义吗？
如果您能够分享您的数据，我很高兴查看您的数据。
干杯，
菲尔
