Principal Component Analysis (PCA) adalah metode statistik yang digunakan untuk mengurangi dimensi dan untuk visualisasi. Salah satu aplikasi terpenting adalah mengubah sistem koordinat sehingga menjadi sistem koordinat baru tidak berkorelasi satu sama lain. Dalam statistik dan ilmu data, jika variabel berkorelasi, tidak mudah untuk melakukan analisis statistik pada kumpulan data. Karena itu, untuk contoh kerja di bagian ini, kami akan menerapkan PCA pada “Default” kumpulan data dalam paket ISLR.

library(pracma)
B <- matrix(c(1, 0, 0, 1, 1, 0, 1, 1, 1), 3, 3, byrow = TRUE)
v <- c(2, 4, 0)
inv(B) %*% v
##      [,1]
## [1,]    2
## [2,]    2
## [3,]   -4
## library 
library(mvtnorm) 
## setting a seed to reproduce the same result 
set.seed(123) 
sigma <- matrix(c(4,2,2,3), ncol=2) 
x <- rmvnorm(n=500, mean=c(0,0), sigma=sigma)
plot(x)