方差解释

在本练习中，您将绘制碎石图（scree plot），展示随主成分数量增加，方差解释比例的变化。由于 R 中没有可直接从 PCA 模型生成此类图的内置函数，您需要先整理 PCA 的输出数据以用于绘图。

查看这些图时，请思考方差解释曲线中是否存在明显的"肘部"，这可能帮助您选择一个自然的主成分数量。若没有明显的肘部（真实世界数据常见），请考虑还能如何基于碎石图来确定需要保留的主成分个数。

本练习是课程的一部分

R 中的无监督学习

查看课程

练习说明

您之前创建的变量 wisc.data、diagnosis 和 wisc.pr 仍然可用。

通过对 wisc.pr 的 sdev 分量求平方来计算各主成分的方差。将结果保存为 pr.var 对象。
通过将每个主成分的方差除以所有主成分总方差，计算各主成分的方差解释比例。将其赋给变量 pve。
为每个主成分绘制方差解释比例图。
使用 cumsum() 函数，绘制累计方差解释比例图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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")

编辑并运行代码