Shrnutí PCA v R

Jak jsme viděli ve videu, v našich datech byla kategorická proměnná (pozice), která se zdála korespondovat se shluky v prvních dvou hlavních komponentách. I po škálování dat tyto dvě PC stále vysvětlují velkou část variability. Co kdybychom se podívali vždy jen na jednu pozici?

Toto cvičení je součástí kurzu

Lineární algebra pro datovou vědu v R

Zobrazit kurz

Pokyny k cvičení

Proveď stejnou analýzu jako v předchozím cvičení, ale tentokrát použij pouze tu část dat, kde se pozice rovná "WR" (wide receiver):

Pomocí funkce scale() škáluj 5. až 12. sloupec dat combine_WR. Výsledný datový rámec pojmenuj B a zobraz část hodnot pomocí head().
Pomocí prcomp() proveď analýzu hlavních komponent na těchto datech a výsledky shrň pomocí summary().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Subset combine only to "WR"
combine_WR <- subset(combine, position == "WR")

# Scale columns 5-12 of combine_WR
B <- ___(___[, ___])

# Print the first 6 rows of the data
___

# Summarize the principal component analysis
___(___)

Upravit a spustit kód