PCA – rotacja
Analiza głównych składowych (Principal Component Analysis, PCA) pozwala zmniejszyć liczbę wymiarów w zbiorze danych, co przyspiesza obliczenia bez znaczącej utraty wartości informacyjnej.
Podczas rozmowy kwalifikacyjnej możesz spodziewać się pytań dotyczących PCA, jeśli twoja przyszła rola wiąże się z przetwarzaniem dużych ilości danych.
Pamiętaj, że w PCA zmienne są przekształcane w główne składowe. Pierwsza główna składowa ma możliwie największą wariancję.
PCA przeprowadzisz na zbiorze danych cats, który pojawił się już w poprzednich ćwiczeniach.
W tym ćwiczeniu użyj funkcji prcomp(), aby wykonać analizę głównych składowych. Zwrócony obiekt można wykorzystać do przewidywania przekształconych (obróconych) zmiennych.
To ćwiczenie jest częścią kursu
Ćwiczenie statystycznych pytań rekrutacyjnych w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot the unrotated data
___(___ ~ Hwt, data = ___)
# Perform PCA
pca_cats <- ___(~ ___ + Hwt, data = ___)
# Compute the summary
___(___)