Začněte nyníZačněte zdarma

Použití PCA

V tomto cvičení aplikuješ PCA na dataset wine a zjistíš, jestli se ti podaří zvýšit přesnost modelu.

Toto cvičení je součástí kurzu

Preprocessing pro Machine Learning v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř instanci objektu PCA.
  • Definuj příznaky (X) a štítky (y) z datasetu wine – štítky vezmi ze sloupce "Type".
  • Aplikuj PCA na X_train a X_test tak, aby nedošlo k úniku dat, a transformované hodnoty ulož jako pca_X_train a pca_X_test.
  • Vypiš atribut .explained_variance_ratio_ objektu pca a zkontroluj, kolik rozptylu jednotlivé komponenty vysvětlují.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)
Upravit a spustit kód