Introductie tot PCA

Unsupervised learning in R

Hank Roark

Senior Data Scientist at Boeing

Twee methoden voor clusteren

Twee methoden voor clusteren: groepen gelijke items vinden
Daarna: dimensionaliteitsreductie
- Structuur in features vinden
- Helpt bij visualisatie

Dimensionaliteitsreductie

Een populaire methode is principal component analysis (PCA)
Drie doelen bij een lagere-dimensie weergave van features:
- Lineaire combinaties van variabelen vinden om hoofdcomponenten te maken
- Zoveel mogelijk variantie behouden
- Hoofdcomponenten zijn ongecorreleerd (orthogonaal)

PCA-intuïtie

spreidingsdiagram

PCA-intuïtie

regressielijn

PCA-intuïtie

projectie van component-scores

Visualisatie van hoog-dimensionale data

verschillende aantallen dimensies voor data

Visualisatie

PCA op iris-dataset

PCA in R

pr.iris <- prcomp(x = iris[-5],
                  scale = FALSE,
                  center = TRUE)

summary(pr.iris)

Importance of components:
                          PC1     PC2    PC3     PC4
Standard deviation     2.0563 0.49262 0.2797 0.15439
Proportion of Variance 0.9246 0.05307 0.0171 0.00521
Cumulative Proportion  0.9246 0.97769 0.9948 1.00000

Laten we oefenen!

Unsupervised learning in R