在上一个练习中，您看到 Attack 和 HitPoints 在前两个主成分中的载荷近似相同。
Attack
HitPoints
请再次使用 pr.out 模型的 biplot()，找出就第二主成分而言，哪两只宝可梦最不相似？
pr.out
biplot()
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
k-means 算法是常见的聚类方法之一。您将了解该算法的工作原理，在 R 中实现 k-means 聚类，可视化并解释结果，以及在事先未知时如何选择聚类数。到本章末尾，您会把 k-means 聚类应用到一个有趣的"真实世界"数据集上！
层次聚类是另一种流行的聚类方法。本章将讲解其工作机制、使用方法，以及与 k-means 聚类的对比。
主成分分析（PCA）是常见的降维方法。您将准确理解 PCA 的作用，使用双标图和碎石图可视化 PCA 结果，并处理诸如在执行 PCA 前对数据进行中心化与标准化等实践问题。
当前练习
本章将引导您使用前三章介绍的无监督学习技术完成一次完整分析。您将把 PCA 作为聚类的预处理步骤，与包含人体乳腺肿块细胞核测量值的数据结合使用，进一步拓展所学内容。
