PCA の前にデータをスケーリングする
特徴量ごとにスケールが異なるデータを扱う場合は、まずスケーリングすることが重要です。値の大きい特徴量は、変動が比較的小さくても、結果に大きく影響してしまうことがあるためです。
combine データフレームはあらかじめ読み込まれています。
この演習はコースの一部です
Rで学ぶデータサイエンスのための線形代数
演習の手順
scale()関数を使って、combineデータの第5列から第12列をスケーリングしてください。このデータフレームをBと名付け、head()で先頭の値を表示します。prcomp()を使って主成分分析を実行し、summary()で結果を要約してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Scale columns 5-12 of combine
B <- ___(___[, 5:12])
# Print the first 6 rows of the data
___
# Summarize the principal component analysis
summary(____(B))