Alte utilizări ale PCA și concluzii

Învățare nesupervizată în R

Hank Roark

Senior Data Scientist at Boeing

Reducerea dimensionalității

reducerea dimensionalității

Vizualizarea datelor

vizualizarea datelor

Interpretarea rezultatelor PCA

interpretarea rezultatelor PCA - biplot și screeplot

Importanța scalării datelor

compararea importanței variabilelor înainte și după scalare

Urmează

# 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

Să exersăm!

Învățare nesupervizată în R