Resumir un PCA en R

Como vimos en el vídeo, había una variable categórica (position) en nuestros datos que parecía corresponderse con clústeres en los dos primeros componentes principales. Incluso al escalar los datos, estos dos CP siguen explicando gran parte de la variación. ¿Y si miramos solo una posición cada vez?

Este ejercicio forma parte del curso

Álgebra lineal para data science en R

Ver curso

Instrucciones del ejercicio

Realiza el mismo análisis que en el ejercicio anterior, pero usa solo el subconjunto de datos donde position es "WR" (wide receiver):

Usa la función scale() para escalar de la 5.ª a la 12.ª columna de los datos combine_WR. Llama B a este data frame y muestra algunos valores con head().
Usa prcomp() para realizar el análisis de componentes principales en los datos y resume este análisis con summary().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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
___(___)

Editar y ejecutar código