PCA 的实践问题

R 中的无监督学习

Hank Roark

Senior Data Scientist at Boeing

PCA 的实践问题

数据缩放
缺失值：
- 删除含缺失的观测
- 估算/填补缺失值
分类数据：
- 不使用分类特征
- 将分类特征编码为数值

mtcars 数据集

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

特征缩放

# 均值和标准差差异很大
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

数据缩放的重要性

缩放前后特征重要性的比较

R 中的缩放与 PCA

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

Passons à la pratique !

R 中的无监督学习