解读并传达 PCA 结果
本练习将检验您对 PCA 结果的理解,尤其是载荷和方差解释度。载荷以向量形式表示,用于说明从原始特征到主成分的映射。主成分按解释方差从高到低自然排序。
您之前创建的变量——wisc.data、diagnosis、wisc.pr 和 pve——仍可使用。
对于第 1 个主成分,特征 concave.points_mean 的载荷向量分量是多少?要解释数据 80% 的方差,最少需要多少个主成分?
本练习是课程的一部分
本练习将检验您对 PCA 结果的理解,尤其是载荷和方差解释度。载荷以向量形式表示,用于说明从原始特征到主成分的映射。主成分按解释方差从高到低自然排序。
您之前创建的变量——wisc.data、diagnosis、wisc.pr 和 pve——仍可使用。
对于第 1 个主成分,特征 concave.points_mean 的载荷向量分量是多少?要解释数据 80% 的方差,最少需要多少个主成分?
本练习是课程的一部分