主成分分析（PCA）は、重なりの少ない特徴量の情報を組み合わせて次元を削減します。PCA は互いに独立な新しい特徴量（主成分）を抽出します。PCA を理解する一つの方法は、主要な主成分を x 軸と y 軸にプロットし、特徴量ベクトルを表示することです。これにより、どの特徴量が各主成分に寄与しているかを確認できます。必ずしも簡単ではありませんが、寄与する特徴量に基づいて主成分に名前を付けるのは良いプラクティスです。ただし、特徴抽出の手法として、PCA はしばしば解釈が難しいことがあります。

credit_df にはクレジットデータのサブセットが含まれています。目的変数は credit_score です。tidyverse と ggfortify パッケージはすでに読み込まれています。

Uniform Manifold Approximation and Projection (UMAP)（一様多様体近似と射影）

Create Your Free Account