Normalizando todas as variáveis vs. usando a opção scale = TRUE no prcomp em R

Qual é a diferença entre

normalizando as variáveis e fazendo PCA;
usando a scale=TRUEopção (sem normalizar as variáveis) na prcompfunção em R?

r pca

— Nandha Kumar M
fonte

Eu apaguei sua última frase / parágrafo porque era muito difícil de entender, enquanto sua pergunta já é muito clara sem ela.

— Ameba

Não faz diferença. Digite debug(prcomp)antes de executar prcomp. A terceira linha da função lê: x <- scale(x, center = center, scale = scale.); ie você escalará dentro da função se definir scale = TRUEdurante a chamada de função ou terá o dimensionamento feito originalmente por você.

Dito isto, ao aplicar o PCA em geral, é uma boa ideia escalar suas variáveis. Caso contrário, a magnitude de certas variáveis domina as associações entre as variáveis da amostra. A menos que todas as suas variáveis sejam registradas na mesma escala e / ou a diferença de magnitudes variáveis seja de interesse, sugiro que você normalize seus dados antes do PCA. Esta questão foi revisada várias vezes no CV, por exemplo. 1 , 2 , 3 .

— usεr11852
fonte

E se todas as suas variáveis estiverem na mesma escala?

— Jack Armstrong

Provavelmente, não precisamos da normalização nesse caso, porque as variáveis serão comparáveis em suas escalas originais. Leia os tópicos vinculados para obter mais detalhes.

— usεr11852

Normalizando todas as variáveis ​​vs. usando a opção scale = TRUE no prcomp em R

Normalizando todas as variáveis vs. usando a opção scale = TRUE no prcomp em R