Hur många komponenter är relevanta?
Resultaten som du sparade i pcaNews innehåller lika många komponenter som variabler. Men målet är att reducera dimensionaliteten. Nu är det dags att ta reda på hur många komponenter du bör extrahera. Använd flera metoder för att fatta ditt beslut.
Resultaten från PCA:n pcaNews finns fortfarande inlästa i din arbetsmiljö. Alla nödvändiga paket är laddade.
Den här övningen är en del av kursen
Maskininlärning för marknadsanalys i R
Övningsinstruktioner
- Skapa ett screeplot. Hur många komponenter föreslår det?
- Hur många komponenter behöver du för att uppfylla kriteriet om 70 % förklarad varians (ta en titt på
summary())? - Hur många komponenter skulle du extrahera enligt Kaiser-Guttmann-kriteriet?
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Screeplot:
___(___, type = ___)
# Cumulative explained variance:
___(___)
# Kaiser-Guttmann (number of components with eigenvalue larger than 1):
sum(pcaNews$___ > ___)