Dodatkowe zastosowania PCA i podsumowanie

Uczenie nienadzorowane w R

Hank Roark

Senior Data Scientist at Boeing

Redukcja wymiarowości

redukcja wymiarowości

Uczenie nienadzorowane w R

Wizualizacja danych

wizualizacja danych

Uczenie nienadzorowane w R

Interpretacja wyników PCA

interpretacja wyników PCA – biplot i screeplot

Uczenie nienadzorowane w R

Znaczenie skalowania danych

porównanie ważności cech przed skalowaniem i po skalowaniu

Uczenie nienadzorowane w R

Co dalej

# 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
Uczenie nienadzorowane w R

Czas na ćwiczenia!

Uczenie nienadzorowane w R

Preparing Video For Download...