Kommunicera PCA-resultat

Den här övningen testar din förståelse av PCA-resultaten, i synnerhet laddningarna och den förklarade variansen. Laddningarna, representerade som vektorer, beskriver mappningen från de ursprungliga särdragen till principalkomponenterna. Principalkomponenterna ordnas naturligt från den som förklarar mest varians till den som förklarar minst.

Variablerna du skapade tidigare – wisc.data, diagnosis, wisc.pr och pve – är fortfarande tillgängliga.

Vad är komponenten i laddningsvektorn för särdragen concave.points_mean i den första principalkomponenten? Hur många principalkomponenter behövs som minst för att förklara 80 % av variansen i data?