解釋變異數

在這個練習中，你要產生 scree 圖，顯示隨著主成分數量增加時，各主成分所解釋的變異比例。必須先把 PCA 的輸出整理成能用於繪圖的資料，因為 R 並沒有可直接由 PCA 模型產生這些圖的內建函式。

在閱讀這些圖時，請思考解釋變異是否出現「手肘」轉折，藉此選擇一個自然的主成分數量。若沒有明顯的手肘（這在真實世界的資料集很常見），就要考慮還有哪些方式，能根據 scree 圖來決定要保留多少個主成分。

本練習屬於課程

R 的無監督式學習

檢視課程

練習說明

你先前建立的變數 wisc.data、diagnosis 和 wisc.pr 仍可使用。

將 wisc.pr 的 sdev 元件平方，計算每個主成分的變異數，並將結果儲存為 pr.var。
將每個主成分的變異數除以所有主成分變異數的總和，計算各主成分的解釋變異比例，指定為變數 pve。
繪製各主成分之解釋變異比例的圖。
使用 cumsum() 函式，繪製解釋變異比例的累積曲線圖。

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。

# 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")

編輯並執行程式碼