终于明白：PCA才是离群点的终极克星！

本期主角-PCA图。

主成分分析方法 (Principal Component Analysis, PCA) 是一种使用广泛的机器学习数据降维算法，其将高维数据投影到低维空间（通常是二维或三维），但保留数据的主要特征。PCA图所做的事就是对二维或三维数据绘图，以展示数据的分布。

通过“1.4.8 iris数据集”，用人话来说PCA：

通过PCA“压缩”4列数值变量（以上前4列：花萼长度、宽度，花瓣长度、宽度）到 ；

• 2 列数值变量（PC1和PC2得分），即2维，新数据为150行、3列（species数据不变）；
• 3 列数值变量（PC1、PC2和PC3得分），即3维，新数据为150行、4列（species数据不变）；

PCA“压缩”方法R或Python中都有现成的轮子！

下面使用R简单实现PCA 2维和3维结果数据可视化。

PCA 2维结果数据可视化

这里使用ggpca实现，mode = "pca"则完成了PCA“压缩”原始iris_data数据，

## 24.1_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :   24.1 2D PCA图

ggpca(iris_data,
  metadata_cols = "species", # 指定元数据列为物种
  mode = "pca", # 使用 PCA 模式
  color_var = "species", # 按物种设置颜色
  ellipse = TRUE# 显示分组椭圆
) +
  geom_point(
    aes(color = species, fill = species), # 确保颜色和填充由物种控制
    shape = 21, size = 3, stroke = 0.5, alpha = 0.8, color = "black"
  ) 

每个点代表一个样本，点之间的距离反映它们在降维空间中的相似性或差异性，同时添加了分组椭圆。

样本落在椭圆之外太远，暗示该点可能是个离群点，通常只有在严重离群（例如，为了圈某一个样本点，椭圆都拉成三角形了）才会考虑删掉该样本。

PCA 3维结果数据可视化

这里使用scatterplot3d实现，prcomp(iris_data[, 1:4], scale. = TRUE) 则完成了PCA“压缩”原始iris_data数据，

## 24.2_01
# 未经过允许禁止转载！
# @Author  :  公众号:pythonic生物人
# @Desc    :   24.2 3D PCA图

pca_res <- prcomp(iris_data[, 1:4], scale. = TRUE) # 计算 PCA，标准化数据

# 绘制 3D PCA 图
scatterplot3d(
  pca_res$x[, 1:3], # 使用前三个主成分（PC1, PC2, PC3）
  color = "black", # 点轮廓颜色
  bg = colors, # 背景填充颜色
  pch = 21, # 使用带边框的圆点
  cex.symbols = 1.5, # 点大小
  lwd = 0.5, # 边框线宽
  xlab = "PC1", ylab = "PC2", zlab = "PC3"# 轴标签
)

相比于2维PCA图，3D图只是多了一个PC3组分，效果类似。

获取绘图代码+测试数据+数据处理方法+依赖包安装方法，