主成分对象的标准值在prcomp和插入符号中不同

我在下面的数据集中尝试主成分分析。我尝试了prcomp函数和插入符号预处理函数

  library(caret)
  library(AppliedPredictiveModeling)

  set.seed(3433)
  data(AlzheimerDisease)
  adData = data.frame(diagnosis,predictors)
  inTrain = createDataPartition(adData$diagnosis, p = 3/4)[[1]]
  training = adData[ inTrain,]
  testing = adData[-inTrain,]

  # from prcomp
  names1 <-names(training)[substr(names(training),1,2)=="IL"]
  prcomp.data <- prcomp(training[,names1],center=TRUE, scale=TRUE)
  prcomp.data$sdev

  ## from caret package
  preProcess(training[, names1], method=c("center", "scale", "pca"))$std

库（插入符号）
库（AppliedPredictiveModeling）
种子集（3433）
数据（阿尔茨海默病）
adData=数据帧（诊断、预测）
inTrain=createDataPartition（adData$diagnosis，p=3/4）[[1]]
培训=添加数据[inTrain，]
测试=添加数据[-inTrain，]
#来自prcomp
名称1第一种方法是给出12个主成分的标准偏差（您可以通过
prcomp.data$rotation
看到）

此外，
sdev
值的文档中也提到了这一点：

主成分的标准偏差（即平方
但是，协方差/相关矩阵的特征值的根
计算实际上是用数据的奇异值来完成的
矩阵）

第二个是提供预处理输入数据的标准偏差（因此与每个标准偏差相关联的变量名）

一个小的旁注--
插入符号
PCA自动缩放并居中，除非另有规定。
感谢您的回复。我只从数据集中选择了substr（名称（训练），1,2）=“IL”的变量，这两种方式都是如此。然后，当我提取sdev/std时，我想知道值应该是相同的。@Hack-R，是否可以从
插入符号
的预处理中提取PCs的标准偏差（或特征值）？在函数中提供PCA选项似乎有点奇怪，但这样就不能访问转换后的数据或特征值。“我是不是遗漏了什么？”哈利：是的，我知道。这些值不应相同。前者是主成分的标准偏差，后者是处理数据的标准偏差。
preProcess
的正常使用是作为
train
的内联转换选项，例如
train（物种~，dat，method=“knn”，preProcess=c（“pca”），trControl=trainControl（method=“cv”）
而不是独立的pca分析，这不是
插入符号
包的重点
princomp
或
prcomp
是该用例的首选。话虽如此，我知道可以通过对
预处理对象使用
预测
得到旋转矩阵，即
结果