PCA - rotação
A Análise de Componentes Principais (PCA) permite reduzir o número de dimensões em um conjunto de dados, acelerando o tempo de cálculo sem perda significativa de informação.
Você pode esperar perguntas sobre PCA na entrevista se a sua futura função envolver lidar com grandes volumes de dados.
Lembre-se de que, na PCA, as variáveis são transformadas em componentes principais. O primeiro componente principal tem a maior variância possível.
Você vai executar a PCA usando o conjunto de dados cats, que você já encontrou nos exercícios anteriores.
Neste exercício, use prcomp() para realizar a análise de componentes principais. O objeto retornado pode ser usado para predizer as variáveis rotacionadas.
Este exercício faz parte do curso
Praticando perguntas de entrevista de Estatística em R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Plot the unrotated data
___(___ ~ Hwt, data = ___)
# Perform PCA
pca_cats <- ___(~ ___ + Hwt, data = ___)
# Compute the summary
___(___)