PCA の実践的な注意点

R による教師なし学習

Hank Roark

Senior Data Scientist at Boeing

PCA の実践的な注意点

データのスケーリング
欠損値:
- 欠損値を含む観測値を削除する
- 欠損値を補完・推定する
カテゴリカルデータ:
- カテゴリカルデータの特徴量を使用しない
- カテゴリカルな特徴量を数値にエンコードする

mtcars データセット

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

スケーリング

# 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

データのスケーリングの重要性

スケーリング前後の特徴量の重要度を比較

R でのスケーリングと PCA

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

練習しましょう！

R による教師なし学習