Predicción en R mediante componentes principales

Question

Necesito ayuda con CÓMO Los componentes principales se pueden utilizar como variables regulares en la regresión lineal y logística en R.

Estoy analizando un conjunto de datos que tiene 10 variables (incluida la variable de resultado). Originalmente, estaba prediciendo la variable de resultado utilizando diferentes algoritmos, pero la precisión no era lo suficientemente buena, así que ejecuté un PCA. Este es mi código para el PCA:

dummies <- dummyVars(" ~ .", data = trainset)
trainset_1 <- predict(dummies, newdata = trainset)
fit <- princomp(trainset_1, scores = TRUE, cor = T)
summary(fit)

No sé cómo utilizar los componentes principales para predecir mi resultado en R Studio. Mi código original para la regresión logística multinomial antes del PCA para predecir era:

library(nnet)
REGmodel <- multinom(Outcome ~ ., data = trainset)
summary(REGmodel)

¿Cómo puedo modificar el código anterior para utilizar las variables del análisis de componentes principales para predecir mi resultado (que tiene 2 niveles) en R Studio?

Answer 1

Creo que tienes un malentendido sobre lo que es el PCA.

El PCA es uno de los "métodos no supervisados", lo que significa que explora las estructuras de los datos, pero no puede utilizarse para predecir un resultado.

Se puede aplicar el PCA a los datos para extraer los componentes principales. Estos componentes principales son una transformación de los datos originales y tienen algunas buenas propiedades. Sin embargo, no obtenemos ninguna "predicción" de ello. (también puede notar que cuando se aplica PCA, no necesitamos especificar la variable de respuesta usando la fórmula de R, ¿verdad?)

Haré una analogía para concluir mi respuesta. Piensa en un problema de visión por ordenador. Los métodos supervisados pueden clasificar una imagen como un gato o un perro. Pero el PCA no es más que rotar y escalar la imagen.