Praktiska problem med PCA

Oövervakad inlärning i R

Hank Roark

Senior Data Scientist at Boeing

Praktiska problem med PCA

Skalning av data
Saknade värden:
- Ta bort observationer med saknade värden
- Imputera / skatta saknade värden
Kategoriska data:
- Använd inte kategoriska särdrag
- Koda kategoriska särdrag som tal

Datamängden mtcars

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

Skalning

# Means and standard deviations vary a lot
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

Varför skalning är viktigt

jämförelse av särdragsvikt före och efter skalning

Skalning och PCA i R

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

Nu kör vi en övning!

Oövervakad inlärning i R