Rozklad na singulární hodnoty
V předchozím cvičení sis ukázal/a, jak užitečná může být metoda PCA při snižování dimenzionality datasetu – právě takový typ otázky se na pohovorech z oblasti strojového učení běžně objevuje.
V tomto cvičení si procvičíš SVD na datasetu diabetes. Tento transformátor na rozdíl od PCA efektivně pracuje s řídkými maticemi a provádí lineární redukci dimenzionality pomocí zkráceného rozkladu na singulární hodnoty.
Připomeň si, že rozklad na singulární hodnoty vezme původní datovou matici, rozloží ji na tři matice a pomocí nich vypočítá a vrátí singulární hodnoty.
Stejné místo v pipeline, jiná technika:
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']