PCA 的實務議題

R 的無監督式學習

Hank Roark

Senior Data Scientist at Boeing

PCA 的實務議題

資料標準化
遺漏值：
- 移除含遺漏值的觀測
- 估算／插補遺漏值
類別型資料：
- 不使用類別型特徵
- 將類別特徵編碼為數值

mtcars 資料集

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

標準化（Scaling）

# 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

資料標準化的重要性

縮放前後的特徵重要性比較

R 中的標準化與 PCA

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

一起來練習吧！

R 的無監督式學習