Executando PCA

A próxima etapa da sua análise é executar PCA em wisc.data.

Você viu no último capítulo que é importante verificar se os dados precisam ser escalonados antes de executar o PCA. Relembre dois motivos comuns para escalonar dados:

As variáveis de entrada usam unidades de medida diferentes.
As variáveis de entrada têm variâncias significativamente diferentes.

Este exercício faz parte do curso

Aprendizado não supervisionado em R

Ver curso

Instruções do exercício

As variáveis que você criou antes, wisc.data e diagnosis, ainda estão disponíveis no seu ambiente de trabalho.

Verifique a média e o desvio padrão das features dos dados para decidir se é preciso escalonar. Use as funções colMeans() e apply() como você fez antes.
Execute o PCA em wisc.data, escalonando se for apropriado, e atribua o modelo a wisc.pr.
Inspecione um resumo dos resultados com a função summary().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Check column means and standard deviations



# Execute PCA, scaling if appropriate: wisc.pr


# Look at summary of results

Editar e executar o código