PCA — вращение
Метод главных компонент (Principal Component Analysis, PCA) позволяет сократить число измерений в наборе данных, что ускоряет вычисления без существенной потери информации.
Если ваша будущая роль предполагает работу с большими объёмами данных, вопросы по PCA вполне могут встретиться на собеседовании.
Напомним: в PCA переменные преобразуются в главные компоненты. Первая главная компонента имеет наибольшую возможную дисперсию.
Вы выполните PCA на наборе данных cats, с которым уже работали в предыдущих упражнениях.
В этом упражнении используйте prcomp() для проведения анализа главных компонент. Полученный объект можно применить для предсказания повёрнутых переменных.
Это упражнение является частью курса
Практика статистических вопросов для интервью на R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Plot the unrotated data
___(___ ~ Hwt, data = ___)
# Perform PCA
pca_cats <- ___(~ ___ + Hwt, data = ___)
# Compute the summary
___(___)