PCA-resultaten communiceren

In deze oefening toets je je begrip van de PCA-resultaten, met name de loadings en verklaarde variantie. De loadings, weergegeven als vectoren, beschrijven de koppeling van de oorspronkelijke features naar de hoofdcomponenten. De hoofdcomponenten zijn van nature geordend van meest naar minst verklaarde variantie.

De variabelen die je eerder hebt gemaakt — wisc.data, diagnosis, wisc.pr en pve — zijn nog beschikbaar.

Wat is voor de eerste hoofdcomponent de component van de ladingsvector voor de feature concave.points_mean? En wat is het minimumaantal hoofdcomponenten dat nodig is om 80% van de variantie in de data te verklaren?