PCA – rotation
Principalkomponentanalys (PCA) låter dig minska antalet dimensioner i en datamängd, vilket snabbar upp beräkningarna utan att informationsvärdet går förlorat i någon större utsträckning.
Frågor om PCA kan dyka upp i intervjuer om din framtida roll innebär att hantera stora datamängder.
Kom ihåg att variablerna i PCA omvandlas till principalkomponenter. Den första principalkomponenten har största möjliga varians.
Du utför PCA med datamängden cats, som du redan stött på i tidigare övningar.
Använd prcomp() för att utföra principalkomponentanalysen. Det returnerade objektet kan sedan användas för att prediktera de roterade variablerna.
Den här övningen är en del av kursen
Öva på statistiska intervjufrågor i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot the unrotated data
___(___ ~ Hwt, data = ___)
# Perform PCA
pca_cats <- ___(~ ___ + Hwt, data = ___)
# Compute the summary
___(___)