PCA の追加活用とまとめ

R による教師なし学習

Hank Roark

Senior Data Scientist at Boeing

次元削減

次元削減

R による教師なし学習

データの可視化

データの可視化

R による教師なし学習

PCA の結果を解釈する

PCA の結果を解釈する - バイプロットとスクリープロット

R による教師なし学習

データスケーリングの重要性

スケーリング前後での特徴量の重要度を比較する

R による教師なし学習

次は

# URL to cancer dataset hosted on DataCamp servers
url <- "https://assets.datacamp.com/production/course_1903/datasets/WisconsinCancer.csv"
# Download the data: wisc.df
wisc.df <- read.csv(url)
wisc.data[1:6, 1:5]
         radius_mean texture_mean perimeter_mean area_mean smoothness_mean
842302         17.99        10.38         122.80    1001.0         0.11840
842517         20.57        17.77         132.90    1326.0         0.08474
84300903       19.69        21.25         130.00    1203.0         0.10960
84348301       11.42        20.38          77.58     386.1         0.14250
84358402       20.29        14.34         135.10    1297.0         0.10030
843786         12.45        15.70          82.57     477.1         0.12780
R による教師なし学習

練習しましょう!

R による教師なし学習

Preparing Video For Download...