Basis van feature-extractie - hoofdcomponenten

Dimensionality Reduction in R

Matt Pickard

Owner, Pickard Predictives, LLC

Herhaling feature-extractie

Enkele van de zes features gecombineerd tot vier features

Herhaling feature-extractie

Moestuin

Salade-recept

1 krop sla
3 wortels
2 tomaten
1 komkommer

Gebruik niet de hele plant, alleen de beste delen

¹ Beeldbron: Daderot, CC0, via Wikimedia Commons

PCA-plot

PCA-plot met twee hoofdcomponenten en de features die daarop laden

Hoofdcomponent 1

PCA-plot - eerste hoofdcomponent

PC1: featurevectoren

PCA-plot - features die laden op de eerste hoofdcomponent

PC1: naam

PCA-plot - de eerste hoofdcomponent benoemen: duur

Hoofdcomponent 2

PCA-plot - tweede hoofdcomponent

PC2: featurevectoren

PCA-plot - features die laden op de tweede hoofdcomponent

PC2: naam

PCA-plot - de tweede hoofdcomponent benoemen: prestatie

Code voor een PCA-plot

library(ggfortify)

pca_res <- prcomp(attrition_df %>% select(-Attrition), scale. = TRUE)

autoplot(pca_res,

         data = attrition_df,

         colour = "Attrition",

         alpha = 0.7,

         loadings = TRUE, 

         loadings.label = TRUE,

         loadings.colour = "black", 

         loadings.label.colour = "black",

         loadings.label.repel = TRUE)

Laten we oefenen!

Dimensionality Reduction in R