Combien de composantes sont pertinentes?
Les résultats que vous avez enregistrés dans pcaNews contiennent autant de composantes que de variables. Mais votre objectif est une réduction de la dimension. Il est temps de déterminer combien de composantes vous devriez extraire. Servez-vous de plusieurs approches pour prendre votre décision.
Les résultats de l'ACP pcaNews sont toujours chargés dans votre espace de travail. Tous les paquets nécessaires sont chargés.
Cette activité fait partie du cours
Machine Learning for Marketing Analytics in R
Instructions de l’exercice
- Créez un screeplot. Combien de composantes suggère-t-il?
- De combien de composantes auriez-vous besoin pour atteindre le critère de 70 % de variance expliquée (jetez un coup d'œil au
summary())? - Combien de composantes extrairiez-vous selon le critère de Kaiser-Guttmann?
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Screeplot:
___(___, type = ___)
# Cumulative explained variance:
___(___)
# Kaiser-Guttmann (number of components with eigenvalue larger than 1):
sum(pcaNews$___ > ___)