PCA - rotazione
Principal Component Analysis ti permette di ridurre il numero di dimensioni in un insieme di dati, accelerando i tempi di calcolo senza una perdita significativa di informazione.
Durante il colloquio potresti ricevere domande sulla PCA, soprattutto se il tuo futuro ruolo prevede la gestione di grandi quantità di dati.
Ricorda che nella PCA le variabili vengono trasformate in componenti principali. La prima componente principale ha la massima varianza possibile.
Eseguirai la PCA usando il dataset cats che hai già incontrato negli esercizi precedenti.
In questo esercizio, usa prcomp() per eseguire l’analisi delle componenti principali. L’oggetto restituito può essere usato per predict le variabili ruotate.
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Plot the unrotated data
___(___ ~ Hwt, data = ___)
# Perform PCA
pca_cats <- ___(~ ___ + Hwt, data = ___)
# Compute the summary
___(___)