Các vấn đề thực tiễn với PCA

Học không giám sát với R

Hank Roark

Senior Data Scientist at Boeing

Các vấn đề thực tiễn với PCA

Chuẩn hóa dữ liệu
Giá trị thiếu:
- Loại bỏ quan sát có thiếu dữ liệu
- Bù/ước tính giá trị thiếu
Dữ liệu phân loại:
- Không dùng đặc trưng phân loại
- Mã hóa đặc trưng phân loại thành số

Bộ dữ liệu 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

Chuẩn hóa (scaling)

# Means and standard deviations vary a lot
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

Tầm quan trọng của chuẩn hóa dữ liệu

so sánh độ quan trọng đặc trưng trước và sau chuẩn hóa

Chuẩn hóa và PCA trong R

prcomp(x, center = TRUE, scale = FALSE)

Ayo berlatih!

Học không giám sát với R