ควรเลือกกี่องค์ประกอบ?
ผลลัพธ์ที่เก็บไว้ใน pcaNews มีจำนวนองค์ประกอบเท่ากับจำนวนตัวแปร แต่เป้าหมายคือการลดมิติข้อมูล ถึงเวลาแล้วที่จะหาว่าควรสกัดองค์ประกอบกี่ตัว โดยใช้หลายวิธีประกอบการตัดสินใจ
ผลลัพธ์ของ PCA จาก pcaNews ยังคงโหลดอยู่ใน workspace และแพ็กเกจที่จำเป็นทั้งหมดพร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning for Marketing Analytics ใน R
คำแนะนำการฝึกหัด
- สร้าง screeplot แล้วดูว่าแนะนำให้ใช้กี่องค์ประกอบ
- ต้องใช้กี่องค์ประกอบเพื่อให้ได้ความแปรปรวนสะสมถึง 70% (ดูได้จาก
summary()) - ตามเกณฑ์ Kaiser-Guttmann ควรสกัดกี่องค์ประกอบ?
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Screeplot:
___(___, type = ___)
# Cumulative explained variance:
___(___)
# Kaiser-Guttmann (number of components with eigenvalue larger than 1):
sum(pcaNews$___ > ___)