Vizualizace hlavních komponent pomocí scree plotu
Na pohovoru z oblasti machine learningu tě mohou požádat, abys určil/a optimální počet příznaků, které je vhodné zachovat. V tomto cvičení vytvoříš scree plot a graf kumulativního poměru vysvětleného rozptylu pro hlavní komponenty pomocí PCA na datasetu loan_data.
Tyto vizualizace ti pomohou určit optimální počet hlavních komponent (PC) pro trénování přesnějšího ML modelu.
Protože PCA je metoda učení bez učitele, provádí se analýza hlavních komponent na matici X, ze které je odstraněná cílová proměnná Loan Status. Pokud nenastavíš n_components, model vrátí všechny hlavní komponenty.
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.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)