Resumindo a PCA no R

Como vimos no vídeo, havia uma variável categórica (posição) nos nossos dados que parecia se alinhar a aglomerados nos dois primeiros componentes principais. Mesmo ao padronizar os dados, esses dois CPs ainda explicam uma grande parte da variação. E se olhássemos apenas uma posição por vez?

Este exercício faz parte do curso

Álgebra Linear para Data Science em R

Ver curso

Instruções do exercício

Faça a mesma análise do exercício anterior, mas use somente o subconjunto em que a posição é igual a "WR" (wide receiver):

Use a função scale() para padronizar da 5ª até a 12ª coluna dos dados combine_WR. Dê a esse data frame o nome B e mostre alguns valores com head().
Use prcomp() para executar a análise de componentes principais nos dados e resuma essa análise usando summary().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Subset combine only to "WR"
combine_WR <- subset(combine, position == "WR")

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

# Print the first 6 rows of the data
___

# Summarize the principal component analysis
___(___)

Editar e executar o código