特徴抽出の基礎 ― 主成分

Rによる次元削減

Matt Pickard

Owner, Pickard Predictives, LLC

特徴抽出の復習

6つの特徴の一部を4つの特徴に統合

特徴抽出の復習

サラダのレシピ

レタス 1玉
にんじん 3本
トマト 2個
きゅうり 1本

株全体ではなく、良い部分だけを使いましょう

¹ 画像出典: Daderot, CC0, via Wikimedia Commons

PCAプロット

PCAプロット（2つの主成分と寄与する特徴）

第1主成分

PCAプロット - 第1主成分

PC1：特徴ベクトル

PCAプロット - 第1主成分に強く寄与する特徴

PC1：名称

PCAプロット - 第1主成分の名称（在籍期間）

第2主成分

PCAプロット - 第2主成分

PC2：特徴ベクトル

PCAプロット - 第2主成分に強く寄与する特徴

PC2：名称

PCAプロット - 第2主成分の名称（パフォーマンス）

PCAプロットのコード

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)

練習しましょう！

Rによる次元削減