Sammanfatta PCA i R

Som vi såg i videon fanns det en kategorisk variabel (position) i våra data som tycktes korrespondera med kluster i de två första principalkomponenterna. Även när vi skalerar datan förklarar dessa två PC:er fortfarande en stor del av variationen. Vad händer om vi tittar på enbart en position i taget?

Den här övningen är en del av kursen

Linjär algebra för datavetenskap i R

Visa kurs

Övningsinstruktioner

Utför samma analys som i föregående övning, men använd endast den delmängd av data där position är lika med "WR" (wide receiver):

Använd funktionen scale() för att skala kolumnerna 5 till 12 i dataramen combine_WR. Namnge denna dataram B och visa några av värdena med head().
Använd prcomp() för att utföra principalkomponentanalys på datan och sammanfatta analysen med summary().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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
___(___)

Redigera och kör kod