R- FactoMiner MCA如何选择重要功能？

Question

我的数据集是数字和分类值的混合，结果是类标签，大约有400列，数据集包含缺失值。我脑子里有很多问题。首先是：

1. 如何处理缺失值？我用-1替换了所有缺失的值，是否可以？

2. 如何对此数据应用MCA因子分析？我应该将火车和测试结合起来然后申请MCA吗？

3. 如何解释MCA分析的输出以获得最相关的功能？

Answer 1

1. 请勿触摸您的数据集 如果您使用FactoMineR包，它会自行处理缺少的值。

2. 你必须尝试这种代码

   library(FactoMineR)
   library(factoextra)
   
   df <- data.frame(df) # Dataset with only categorical variables
   res.mca <- MCA(df, quali.sup)
   
   # Visualize Principal Components
   fviz_eig(res.mca, 
            addlabels = TRUE)
   
   # Individual plot
   fviz_mca_ind(res.mca, 
                col.ind = "cos2",
                axes = c(1,2), # axes by default
                repel = TRUE)
   
    # Variable plot on axe 1
    fviz_contrib(res.mca, 
                 choice = "var", 
                 axes = 1, # you can switch with the other axes
                 top = 10)
   
    # Best variable contribution
    fviz_mca_var(res.mca, col.var = "contrib",
                 axes = c(1,2),
                repel = TRUE)
   

3. 口译看起来像PCA。

   • 可视化主成分（CP）：查看每个变量的％信息
   • 个人＆amp;变量图：显示相关变量和异常值
   • 贡献：参见每个轴上的％变量贡献