เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สรุปผล PCA ใน R

จากที่เห็นในวิดีโอ ชุดข้อมูลของเรามีตัวแปรประเภท (ตำแหน่ง) ที่ดูเหมือนจะสัมพันธ์กับกลุ่มข้อมูลใน principal component สองตัวแรก แม้จะสเกลข้อมูลแล้ว PC ทั้งสองนี้ก็ยังอธิบายความแปรปรวนในข้อมูลได้มาก แล้วถ้าเราวิเคราะห์เฉพาะตำแหน่งเดียวล่ะ?

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

พีชคณิตเชิงเส้นสำหรับ Data Science ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

ทำการวิเคราะห์แบบเดียวกับแบบฝึกหัดก่อนหน้า แต่ใช้เฉพาะชุดข้อมูลย่อยที่ position เท่ากับ "WR" (wide receiver):

  • ใช้ฟังก์ชัน scale() เพื่อสเกลคอลัมน์ที่ 5 ถึง 12 ของข้อมูล combine_WR แล้วตั้งชื่อ data frame นี้ว่า B จากนั้นแสดงค่าบางส่วนด้วย head()
  • ใช้ prcomp() เพื่อทำการวิเคราะห์ principal component บนข้อมูลนี้ แล้วสรุปผลด้วย summary()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
___(___)
แก้ไขและรันโค้ด