理解主成分

主成分分析（PCA）通过组合互不重叠的特征信息来降维。PCA 会提取称为主成分的新特征，这些主成分彼此独立。理解 PCA 的一种方法是将主要的主成分分别绘制在 x 轴和 y 轴上，并显示特征向量。这样，您可以看到哪些特征对每个主成分的贡献最大。虽然并不总是容易，但根据贡献的特征为主成分命名是一个良好实践。不过，作为一种特征提取方法，PCA 往往不易解释。

credit_df 包含信用数据的一个子集。目标变量是 credit_score。我们已为您加载了 tidyverse 和 ggfortify 包。

本练习是课程的一部分

R 中的降维

查看课程

练习说明

对 credit_df 执行主成分分析。
使用 autoplot() 显示前两个主成分、特征向量和标签，并用颜色编码 credit_score。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Perform PCA
pca_res <- ___(___ %>% select(-___), scale. = ___)

# Plot principal components and feature vectors
___(___, 
         data = ___, 
         colour = '___', 
         alpha = 0.3,
         loadings = ___, 
         loadings.label = ___, 
         loadings.colour = "black", 
         loadings.label.colour = "black")

编辑并运行代码