解讀 PCA 結果
現在你要用一些視覺化圖形來更深入了解你的 PCA 模型。你在前一章已經看過其中一種視覺化：biplot。
你會遇到在真實世界資料上使用 biplot 時的常見挑戰，特別是當觀測值與變數的數量不小時。接著，你會看看一些替代的視覺化方法。在進入下一個練習前，鼓勵你多嘗試其他視覺化方式。
本練習屬於課程
R 的無監督式學習
練習說明
你先前建立的變數 wisc.data、diagnosis 與 wisc.pr 仍可使用。
- 為
wisc.pr資料繪製 biplot。你對這張圖有什麼觀察？容易還是難以理解？為什麼？ - 執行程式碼，使用第 1 與第 2 主成分繪製每個觀測值的散佈圖，並依診斷結果上色。
- 以第 1 與第 3 主成分重複相同操作。你在這些圖中注意到什麼？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create a biplot of wisc.pr
# Scatter plot observations by components 1 and 2
plot(wisc.pr$___[, c(1, 2)], col = (diagnosis + 1),
xlab = "PC1", ylab = "PC2")
# Repeat for components 1 and 3
plot(___, col = (diagnosis + 1),
xlab = "PC1", ylab = "PC3")
# Do additional data exploration of your choosing below (optional)