Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

MTH6101 Introduction to Machine Learning

Laboratory week four

The intention of this laboratory is to do Principal Component Analysis (PCA) of the olive oil data set.  We mostly use the recommended function for PCA which is prcomp.

1.  Open RStudio and create and save a new R script file for your commands.  If you have markdown on your own computer, you are welcomed to use it.

2.  In order to load the data, install the library pdfCluster.  Once installed, load the library and load the data using the R command data(oliveoil). Examine the data using commands such as pairs and summary.  Also read the help of the library to find out what the data is about.

3.  This  dataset  is  complete  in  the  sense  that  it  has  no  missing  values  and can  be  used  straightaway.   Your  analysis  will  not  use  the  first  two  cate- gorical variables macro .area and region and thus you will remove them by X<-oliveoil[,-c(1:2)]. The data is now ready for PCA.

4.  Center the data but do not scale it, and compute and examine the variance- covariance matrix, with special emphasis in the diagonal so that you can try and predict what will happen with PCA.

5.  Do PCA using the function prcomp with these data  (use parameters in this function to center but not scale the data).  Print a summary of the analysis, select a number of components and interpret them. Do a biplot and examine what is being plotted.

6.  Repeat all that you did from 4 but now with the data centered and scaled.

7.  Recall the relation seen in lectures Λ =  D2  between eigenvalues of the K-L expansion of Σ and eigenvalues of svd of the data X. Numerically check that the relation holds for both analyses you did in 4 and 6.