PCA-Ergebnisse kommunizieren

In dieser Übung prüfst du dein Verständnis der PCA-Ergebnisse, insbesondere der Loadings und der erklärten Varianz. Die Loadings, dargestellt als Vektoren, beschreiben die Abbildung von den ursprünglichen Features auf die Hauptkomponenten. Die Hauptkomponenten sind von Natur aus so geordnet, dass sie von der höchsten zur niedrigsten erklärten Varianz abnehmen.

Die Variablen, die du zuvor erstellt hast — wisc.data, diagnosis, wisc.pr und pve — sind weiterhin verfügbar.

Wie lautet bei der ersten Hauptkomponente die Komponente des Ladevektors für das Feature concave.points_mean? Wie viele Hauptkomponenten werden mindestens benötigt, um 80 % der Varianz der Daten zu erklären?