PCA - 次元削減

前の演習では、変数が2つのデータセットに取り組みました。面接では、より大きなデータセットに向き合うことが多いでしょう。

PCA は、情報量を大きく損なわずに「変数の数を減らす」ことができます。

PCA は、元のデータセットと「同じ行数」のデータを返します。何個の変数を残すかは、あなた次第です！

prcomp() の次の引数で、次元削減の基準を指定できます。

tol - 第1主成分の標準偏差に対する割合としての標準偏差の閾値
rank - 使用する主成分の最大数

letters データセットには、文字の数値的な属性が含まれています。

1
主成分を求め、各主成分が捉える分散の割合を表示してください。

2
第1主成分の標準偏差の 0.25 未満の標準偏差しかない成分は省いてください。
3
主成分の数を 7 に制限してください。