Questões práticas com PCA

Aprendizado não supervisionado em R

Hank Roark

Senior Data Scientist at Boeing

Questões práticas com PCA

  • Escalonar os dados
  • Valores ausentes:
    • Remover observações com valores ausentes
    • Imputar/estimar valores ausentes
  • Dados categóricos:
    • Não usar variáveis categóricas
    • Codificar variáveis categóricas como números
Aprendizado não supervisionado em R

Conjunto de dados 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
Aprendizado não supervisionado em R

Escalonamento

# Médias e desvios-padrão variam muito
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
Aprendizado não supervisionado em R

Importância de escalonar os dados

comparando a importância das variáveis antes e depois do escalonamento

Aprendizado não supervisionado em R

Escalonamento e PCA no R

prcomp(x, center = TRUE, scale = FALSE)
Aprendizado não supervisionado em R

Vamos praticar!

Aprendizado não supervisionado em R

Preparing Video For Download...