Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 태블로
- 통계
- 데이터분석준전문가
- 코딩테스트
- 데이터 분석
- 이것이 코딩테스트다
- 데이터 전처리
- pytorch
- ML
- SQLD
- Deep Learning Specialization
- ADsP
- 시각화
- 딥러닝
- 데이터분석
- scikit learn
- tableau
- matplotlib
- 자격증
- Python
- r
- IRIS
- 머신러닝
- sklearn
- SQL
- 회귀분석
- pandas
- 이코테
- 파이썬
- Google ML Bootcamp
Archives
- Today
- Total
목록Principal Component Analysis (1)
함께하는 데이터 분석

오늘은 Principal Component Analysis 일명 PCA에 대해 간단한 예제를 R을 통해 알아보는 시간을 갖겠습니다! 그러기에 앞서 필요한 파일을 첨부하겠습니다. 위 데이터는 주식에 관한 10개 회사의 값입니다. 그럼 시작해볼까요? rm(list=ls()) #할당변수 모두 제거 load("stockreturns.RData") #데이터 불러오기 ls() #변수 확인 >>> [1] "stocks" head(stocks) tail(stocks) str(stocks) #구조 파악 >>> 'data.frame':100 obs. of 10 variables: $ comp1 : num 0.44781 0.98811 0.87456 0.7144 0.00535 ... $ comp2 : num 0.0673 1...
통계학과 수업 기록/EDA
2022. 2. 6. 19:35