Interpretarea rezultatelor ACP
Vei folosi câteva vizualizări pentru a înțelege mai bine modelul tău ACP. Una dintre acestea, biplot-ul, ți-a fost prezentată într-un capitol anterior.
Vei întâlni unele provocări frecvente legate de utilizarea biplot-urilor pe date reale, care conțin un număr semnificativ de observații și variabile. Ulterior, vei explora câteva vizualizări alternative. Ești încurajat să experimentezi cu vizualizări suplimentare înainte de a trece la următorul exercițiu.
Acest exercițiu face parte din cursul
Învățare nesupervizată în R
Instrucțiuni pentru exercițiu
Variabilele create anterior, wisc.data, diagnosis și wisc.pr, sunt încă disponibile.
- Creează un biplot al datelor din
wisc.pr. Ce îți atrage atenția în acest grafic? Este ușor sau dificil de interpretat? De ce? - Rulează codul pentru a reprezenta grafic fiecare observație în funcție de componentele principale 1 și 2, colorând punctele după diagnostic.
- Repetă același lucru pentru componentele principale 1 și 3. Ce observi în aceste grafice?
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create a biplot of wisc.pr
# Scatter plot observations by components 1 and 2
plot(wisc.pr$___[, c(1, 2)], col = (diagnosis + 1),
xlab = "PC1", ylab = "PC2")
# Repeat for components 1 and 3
plot(___, col = (diagnosis + 1),
xlab = "PC1", ylab = "PC3")
# Do additional data exploration of your choosing below (optional)