主成分分析法之測試（本例子來源於一書）
wine <- read.csv("D:\\winequality-white.csv",sep=';',header=TRUE)#資料來源http://archive.ics.uci.edu/ml/
pc <- prcomp(wine)#採用主成分分析法
plot(pc)#As cree plot
print(pc)
summary(pc)
pcx<- prcomp(wine,TRUE)#設定scale為TRUE表面，
table(wine$quality)
summary(pcx)
sbiplot(pcx)執行結果：
Standard deviations:
[1] 43.949221756 12.979721330 4.643585542 1.147246458 0.828680478
[6] 0.707396079 0.135607404 0.118811827 0.106986464 0.090589602
[11] 0.019895607 0.000559343
Rotation:
PC1 PC2 PC3 PC4
fixed.acidity -1.544525e-03 -9.166733e-03 -1.292446e-02 0.1244224095
volatile.acidity -1.690309e-04 -1.546248e-03 -9.343979e-04 -0.0050464160
citric.acid -3.386468e-04 1.403673e-04 -1.257927e-03 0.0029386326
residual.sugar -4.732751e-02 1.493143e-02 -9.951321e-01 -0.0759758326
chlorides -9.757940e-05 -7.203906e-05 -7.999827e-05 0.0058640653
free.sulfur.dioxide -2.618723e-01 9.646376e-01 2.628366e-02 0.0108349352
total.sulfur.dioxide -9.638533e-01 -2.626820e-01 4.285064e-02 -0.0119772833
density -3.597064e-05 -1.839769e-05 -4.470891e-04 0.0009775556
pH -3.361997e-06 -4.080579e-05 7.022487e-03 -0.0166565597
sulphates -3.408882e-04 -3.605330e-04 2.145496e-03 -0.0050451785
alcohol 1.250436e-02 6.479656e-03 8.288867e-02 -0.8258312591
quality 3.280412e-03 1.099334e-02 9.537000e-03 -0.5441656711
...................
該圖使用雙圖示，雙圖示是具體化主成分分析法的結果的一種方式。原變數通過投影在新變數空間的方式表現出來，原變數的方向
用箭頭方向表示，從該圖，能夠看到點的分佈，以及找出簇、異常值和其他特徵。
可以看到原變數與最前面兩個主成分的相關性，以及原變數之間的相關性。