谁能解释prcomp和princomp函数之间的主要区别是什么？
我为什么要选择一个而不是另一个特定的原因？如果这是相关的，那么我正在查看的应用程序类型是对基因组（表达）数据集的质量控制分析。
谢谢！
最佳答案
这两个功能之间有差异w / r / t
函数参数（调用时您可以/必须传递的内容
功能）;
每个返回的值；和
每个人用来计算本金的数值技术
组件。
用于计算PCA的数值技术
特别是princomp应当快得多（并且性能差异会随数据矩阵的大小而增加），因为它要通过协方差矩阵上的特征向量分解来计算主分量，而prcomp则是通过奇异值分解来计算主分量（SVD）放在原始数据矩阵上。
特征值反压缩仅针对平方矩阵定义（因为该技术只是求解特征多项式），但这不是实际的限制，因为特征值反压缩始终涉及从原始数据矩阵（协方差矩阵）进行计算的谓词步骤。
协方差矩阵不仅是正方形，而且通常比原始数据矩阵小（只要属性的数量小于行数或n
前者（特征向量反压缩）精度较差（差异通常不大），但速度更快，因为计算是在协方差矩阵上而不是原始数据矩阵上进行的；因此，例如，如果数据矩阵具有通常的形状，使得n >> m，即1000行和10列，则协方差矩阵为10 x 10；相比之下，prcomp在原始1000 x 10矩阵上计算SVD。
我不知道基因组表达数据的数据矩阵形状，但是如果行数为数千甚至数百，那么prcomp将比princomp慢得多。我不知道您的情况，例如，是否在较大的数据流中以单个步骤执行pca，以及是否需要关注网络性能（执行速度），所以我不能说这种性能是否确实与您的使用相关案件。同样，很难说这两种技术之间的数值精度差异是否显着，并且实际上取决于数据。
返回值
princomp返回一个包含七个项目的列表； prcomp返回五个列表。
> names(pc1) # prcomp
[1] "sdev" "rotation" "center" "scale" "x"
> names(pc2) # princomp
[1] "sdev" "loadings" "center" "scale" "n.obs" "scores" "call"
对于princomp，返回的最重要的项目是组件分数和负载。
可以通过这种方式协调（比较）这两个函数返回的值：prcomp返回除其他事项外的矩阵，称为rotation，它等效于princomp返回的加载矩阵。
如果将prcomp的旋转矩阵乘以原始数据矩阵，则结果将存储在键入x的矩阵中
最后，prcomp有一个绘制方法，可以给出一个scree图（显示每个变量/列的相对和累积重要性-我认为PCA最有用的可视化）。
功能参数
如果将参数
prcomp和TRUE设置为scale，center将缩放（以单位方差为单位）并平均为您的数据居中。鉴于您可以使用scale函数将数据缩放和平均居中，因此两者之间的区别很小。