实践问题：缩放
您在视频中看到，PCA 之前是否进行数据缩放会改变 PCA 建模的结果。在这里，您将分别在有缩放和无缩放的情况下执行 PCA，并使用双标图进行可视化。
当各变量的方差差异很大时，进行缩放往往更合适。变量使用不同计量单位时尤其常见，例如华氏度（温度）和英里（距离）。是否采用缩放，是执行主成分分析时一个重要的决策。
本练习是课程的一部分
R 中的无监督学习
练习说明
同一份 Pokemon 数据集已作为 pokemon 提供在您的工作区中，但新增了一个变量：Total。
- 编辑器顶部提供了一段代码，用于计算模型中各变量的均值和标准差。运行这段代码，查看原始数据中变量量纲的差异。
- 对
pokemon构建带缩放的 PCA 模型，并将结果保存为pr.with.scaling。 - 对
pokemon构建不带缩放的 PCA 模型，并将结果保存为pr.without.scaling。 - 使用
biplot()分别绘制这两个模型（一次绘制一个），并比较它们的输出。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Mean of each variable
colMeans(pokemon)
# Standard deviation of each variable
apply(pokemon, 2, sd)
# PCA model with scaling: pr.with.scaling
# PCA model without scaling: pr.without.scaling
# Create biplots of both for comparison