Phần phương sai được giải thích
Trong bài tập này, bạn sẽ tạo biểu đồ scree thể hiện tỷ lệ phương sai được giải thích khi số lượng thành phần chính tăng lên. Dữ liệu từ PCA cần được chuẩn bị trước cho các biểu đồ này vì không có hàm dựng sẵn trong R để tạo trực tiếp từ mô hình PCA.
Khi xem các biểu đồ, hãy tự hỏi liệu có “khuỷu tay” nào trong lượng phương sai được giải thích có thể gợi ý cho bạn một số lượng thành phần chính “tự nhiên” hay không. Nếu không có khuỷu tay rõ ràng — điều thường gặp với dữ liệu thực tế — hãy cân nhắc những cách khác để quyết định số thành phần chính cần giữ lại dựa trên biểu đồ scree.
Bài tập này là một phần của khóa học
Học không giám sát với R
Hướng dẫn bài tập
Các biến bạn đã tạo trước đó, wisc.data, diagnosis và wisc.pr, vẫn còn sẵn sàng.
- Tính phương sai của mỗi thành phần chính bằng cách bình phương thành phần
sdevcủawisc.pr. Lưu kết quả vào đối tượng tênpr.var. - Tính phần phương sai được giải thích bởi mỗi thành phần chính bằng cách chia cho tổng phương sai được giải thích của tất cả các thành phần chính. Gán vào biến tên
pve. - Tạo biểu đồ phần phương sai được giải thích cho từng thành phần chính.
- Dùng hàm
cumsum(), tạo biểu đồ tỷ lệ phương sai tích lũy được giải thích.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Set up 1 x 2 plotting grid
par(mfrow = c(1, 2))
# Calculate variability of each component
# Variance explained by each principal component: pve
# Plot variance explained for each principal component
plot(___, xlab = "Principal Component",
ylab = "Proportion of Variance Explained",
ylim = c(0, 1), type = "b")
# Plot cumulative proportion of variance explained
plot(___, xlab = "Principal Component",
ylab = "Cumulative Proportion of Variance Explained",
ylim = c(0, 1), type = "b")