¿Cuántos componentes son relevantes?
Los resultados que guardaste en pcaNews contienen tantos componentes como variables. Pero tu objetivo es reducir la dimensionalidad. Es hora de averiguar cuántos componentes deberías extraer. Usa varios enfoques para tomar tu decisión.
Los resultados del PCA pcaNews siguen cargados en tu espacio de trabajo. Todos los paquetes necesarios están cargados.
Este ejercicio forma parte del curso
Machine Learning para analítica de marketing en R
Instrucciones del ejercicio
- Crea un screeplot. ¿Cuántos componentes sugiere?
- ¿Cuántos componentes necesitarías para cumplir el criterio del 70% de varianza explicada (échale un vistazo a
summary())? - ¿Cuántos componentes extraerías según el criterio de Kaiser-Guttmann?
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Screeplot:
___(___, type = ___)
# Cumulative explained variance:
___(___)
# Kaiser-Guttmann (number of components with eigenvalue larger than 1):
sum(pcaNews$___ > ___)