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。
この演習はコースの一部です
R で学ぶ統計面接対策
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。
# Perform PCA on letters
pca_letters <- ___(letters)
# Output spread measures of principal components
___(pca_letters)