Začněte nyníZačněte zdarma

Dekorelace měření zrn pomocí PCA

V předchozím cvičení sis všiml/a, že měření šířky a délky zrn jsou vzájemně korelovaná. Teď použiješ PCA k dekorelaci těchto měření, vykreslíš dekorelované body a změříš jejich Pearsonovu korelaci.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj PCA z sklearn.decomposition.
  • Vytvoř instanci třídy PCA s názvem model.
  • Pomocí metody .fit_transform() objektu model aplikuj PCA transformaci na grains. Výsledek ulož do pca_features.
  • Kód pro extrakci, vykreslení a výpočet Pearsonovy korelace prvních dvou sloupců pca_features je už připravený – stačí kliknout na odeslání a podívat se na výsledek!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import PCA
____

# Create PCA instance: model
model = ____

# Apply the fit_transform method of model to grains: pca_features
pca_features = ____

# Assign 0th column of pca_features: xs
xs = pca_features[:,0]

# Assign 1st column of pca_features: ys
ys = pca_features[:,1]

# Scatter plot xs vs ys
plt.scatter(xs, ys)
plt.axis('equal')
plt.show()

# Calculate the Pearson correlation of xs and ys
correlation, pvalue = pearsonr(xs, ys)

# Display the correlation
print(correlation)
Upravit a spustit kód