特征提取基础——主成分

R 中的降维

Matt Pickard

Owner, Pickard Predictives, LLC

特征提取回顾

六个特征合成为四个特征的部分示意

特征提取回顾

沙拉食谱

生菜 1 颗
胡萝卜 3 根
西红柿 2 个
黄瓜 1 根

不要整株用，只取最好部分

¹ 图片来源：Daderot，CC0，来自维基共享资源

PCA 图

PCA 图，显示两个主成分及其负载的特征

主成分 1

PCA 图——第一主成分

PC1：特征向量

PCA 图——在第一主成分上负载的特征

PC1：命名

PCA 图——将第一主成分命名为时长

主成分 2

PCA 图——第二主成分

PC2：特征向量

PCA 图——在第二主成分上负载的特征

PC2：命名

PCA 图——将第二主成分命名为绩效

PCA 图代码

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)

让我们练习！

R 中的降维