Basi dell’estrazione di caratteristiche - componenti principali

Riduzione della dimensionalità in R

Matt Pickard

Owner, Pickard Predictives, LLC

Ripasso: estrazione di feature

Alcune delle sei feature combinate per crearne quattro

Ripasso: estrazione di feature

Orto di verdure

Ricetta dell’insalata

1 cespo di lattuga
3 carote
2 pomodori
1 cetriolo

Non usare tutta la pianta, solo le parti migliori

¹ Fonte immagine: Daderot, CC0, via Wikimedia Commons

Grafico PCA

Grafico PCA con due componenti principali e le feature che vi caricano

Componente principale 1

Grafico PCA - primo componente principale

PC1: vettori delle feature

Grafico PCA - caratteristiche che caricano sul primo componente principale

PC1: nome

Grafico PCA - denominare il primo componente principale durata

Componente principale 2

Grafico PCA - secondo componente principale

PC2: vettori delle feature

Grafico PCA - caratteristiche che caricano sul secondo componente principale

PC2: nome

Grafico PCA - denominare il secondo componente principale prestazioni

Codice per un grafico PCA

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)

Passiamo alla pratica!

Riduzione della dimensionalità in R