双图是可视化PCA结果的有用工具。它允许您同时可视化主成分分数和方向。如果有 10,000 个观察值，您可能会遇到过度绘图的问题。阿尔法混合可以帮助那里。

这是来自 UCI ML 存储库的葡萄酒数据的 PC 双图：

这些点对应于每个观察的 PC1 和 PC2 分数。箭头表示变量与 PC1 和 PC2 的相关性。白色圆圈表示箭头的理论最大范围。对于数据中的 3 个葡萄酒品种，椭圆是 68% 的数据椭圆。

我已经在此处提供了生成此图的代码。

Wachter 图可以帮助您可视化 PCA 的特征值。它本质上是特征值与 Marchenko-Pastur 分布的 QQ 图。我在这里有一个例子：有一个主要特征值不在马尔琴科-巴斯图分布范围内。这种情节的有用性取决于您的应用程序。

你也可以使用 psych 包。

这包含一个 plot.factor 方法，它将以散点图矩阵的样式将不同的组件相互绘制。