Praktische Aspekte der PCA

Unüberwachtes Lernen in R

Hank Roark

Senior Data Scientist at Boeing

Praktische Aspekte der PCA

Daten skalieren
Fehlende Werte:
- Beobachtungen mit fehlenden Werten entfernen
- Fehlende Werte imputieren/schätzen
Kategoriale Daten:
- Kategoriale Merkmale nicht verwenden
- Kategoriale Merkmale als Zahlen kodieren

Datensatz „mtcars"

data(mtcars)
head(mtcars)

                   mpg cyl disp  hp drat    wt  qsec vs
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0
Valiant           18.1   6  225 105 2.76 3.460 20.22  1

Skalierung

# Means and standard deviations vary a lot
round(colMeans(mtcars), 2)

   mpg    cyl   disp     hp   drat     wt   qsec     vs
 20.09   6.19 230.72 146.69   3.60   3.22  17.85   0.44

round(apply(mtcars, 2, sd), 2)

   mpg    cyl   disp     hp   drat     wt   qsec     vs
  6.03   1.79 123.94  68.56   0.53   0.98   1.79   0.50

Warum Daten skalieren wichtig ist

Vergleich der Merkmalswichtigkeit vor und nach dem Skalieren

Skalierung und PCA in R

prcomp(x, center = TRUE, scale = FALSE)

Lass uns üben!

Unüberwachtes Lernen in R