PCA 전에 데이터 스케일링

특징(feature)마다 스케일이 다른 데이터를 다룰 때는 먼저 데이터를 스케일링하는 것이 중요할 때가 많아요. 값의 크기가 큰 변수가 변동성이 상대적으로 작아도 분석에 과도한 영향을 줄 수 있기 때문이에요.

combine 데이터 프레임이 미리 로드되어 있어요.

이 연습은 강의의 일부입니다

R로 배우는 데이터 과학을 위한 선형대수

강의 보기

연습 안내

scale() 함수를 사용해 combine 데이터의 5번째부터 12번째 열을 스케일링하세요. 이 데이터 프레임의 이름을 B로 지정하고 head()로 일부 값을 확인하세요.
prcomp()로 주성분 분석을 수행하고, summary()로 결과를 요약하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Scale columns 5-12 of combine
B <- ___(___[, 5:12])

# Print the first 6 rows of the data
___

# Summarize the principal component analysis
summary(____(B))

코드 편집 및 실행