Підсумовуємо PCA в R

Як ми бачили у відео, в наших даних була категоріальна змінна (position), яка, схоже, відповідала кластерам у перших двох головних компонентах. Навіть після масштабування даних ці дві ГК все ще пояснюють значну частку варіації. А що, якщо розглядати лише одну позицію за раз?

Ця вправа є частиною курсу

Лінійна алгебра для Data Science в R

Переглянути курс

Інструкції до вправи

Виконайте той самий аналіз, що й у попередній вправі, але використайте лише підмножину даних, де position дорівнює "WR" (wide receiver):

Скористайтеся функцією scale(), щоб масштабувати 5–12-ті стовпці даних combine_WR. Назвіть цей датафрейм B і покажіть частину значень за допомогою head().
Використайте prcomp() для виконання аналізу головних компонент і підсумуйте результати за допомогою summary().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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
___(___)

Редагувати та запускати код