この演習では、PCA モデルの summary() について理解できているかを確認します。前の演習で作成したモデル pr.out と pokemon データセットは、引き続きワークスペースで使用できます。
summary()
pr.out
pokemon
このデータセットにおいて、累積分散の少なくとも75%を説明するために必要な主成分の最小数はいくつですか。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
k-means 法はクラスタリングの代表的な手法の一つです。このアルゴリズムの仕組みを理解し、R で k-means クラスタリングを実装し、結果を可視化して解釈する方法を学びます。さらに、事前にクラスタ数がわからない場合の決め方も学びます。この章の最後には、楽しい「実世界」のデータセットに k-means クラスタリングを適用します。
階層的クラスタリングは、もう一つの代表的なクラスタリング手法です。この章では、その仕組みと使い方、そして k-means クラスタリングとの違いについて学びます。
主成分分析（PCA）は、次元削減の代表的な手法です。PCA が実際に何を行っているのかを理解し、バイプロットとスクリープロットを使って結果を可視化します。また、PCA を実行する前にデータを中心化・スケーリングするといった実践的な課題にも取り組みます。
現在の演習
この章では、これまでの3つの章で学んだ教師なし学習の手法を使って、一連の分析の流れを最初から最後まで学びます。乳房腫瘤の細胞核の測定データを使い、PCA をクラスタリングの前処理として組み合わせる方法を学び、理解をさらに深めます。
