Chọn số thành phần chính phù hợp

Machine Learning cho Phân tích Marketing bằng R

Verena Pflieger

Data Scientist at INWT Statistics

Số thành phần phù hợp: phương sai giải thích

# Proportion of variance explained:
summary(pcaCust)

Importance of components:
                          PC1    PC2    PC3     PC4     PC5     PC6     PC7
Standard deviation     2.0951 1.8379 1.2960 1.20415 1.12301 1.07453 0.80486
Proportion of Variance 0.2743 0.2111 0.1050 0.09062 0.07882 0.07216 0.04049
Cumulative Proportion  0.2743 0.4855 0.5904 0.68106 0.75989 0.83205 0.87254
                           PC8     PC9    PC10    PC11    PC12    PC13
Standard deviation     0.78236 0.72452 0.61302 0.48428 0.36803 0.25901
Proportion of Variance 0.03826 0.03281 0.02349 0.01466 0.00847 0.00419
Cumulative Proportion  0.91079 0.94360 0.96709 0.98175 0.99021 0.99440
                          PC14    PC15    PC16
Standard deviation     0.20699 0.17126 0.13170
Proportion of Variance 0.00268 0.00183 0.00108
Cumulative Proportion  0.99708 0.99892 1.00000

Số thành phần phù hợp: tiêu chí Kaiser-Guttman

Tiêu chí Kaiser-Guttman: Eigenvalue > 1

pcaCust$sdev ^ 2

 [1] 4.38961593 3.37778445 1.67965616 1.44997580 1.26115351 1.15461579
 [7] 0.64780486 0.61209376 0.52492468 0.37579685 0.23452736 0.13544710
[13] 0.06708362 0.04284504 0.02933027 0.01734481

Số thành phần phù hợp: screeplot

Screeplot hay: "Tìm khuỷu tay"

screeplot(pcaCust, type = "lines")
box()
abline(h = 1, lty = 2)

Số thành phần gợi ý theo từng tiêu chí

Phương sai giải thích	Kaiser-Guttman	Screeplot
5	6	6

Biplot

biplot(pcaCust, choices = 1:2, cex = 0.7)

Thực hành nào!

Machine Learning cho Phân tích Marketing bằng R