PCA を実行する
分析の次のステップとして、wisc.data に対して PCA を実行しましょう。
前の章では、PCA を実行する前にデータをスケーリングする必要があるかどうかを確認することが重要だと学びました。データをスケーリングする一般的な理由を 2 つ思い出してみましょう。
- 入力変数が異なる単位で測定されている場合。
- 入力変数の分散に大きな差がある場合。
この演習はコースの一部です
R による教師なし学習
演習の手順
これまでに作成した変数 wisc.data と diagnosis は、引き続きワークスペースで使用できます。
- これまでと同様に
colMeans()関数とapply()関数を使って、データの特徴量の平均と標準偏差を確認し、スケーリングが必要かどうかを判断しましょう。 wisc.dataに対して PCA を実行しましょう（必要に応じてスケーリングを行います）。結果のモデルはwisc.prに代入しましょう。summary()関数を使って、結果の要約を確認しましょう。
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。
# Check column means and standard deviations
# Execute PCA, scaling if appropriate: wisc.pr
# Look at summary of results