Začněte nyníZačněte zdarma

První hlavní komponenta

První hlavní komponenta dat odpovídá směru, ve kterém data nejvíce kolísají. V tomto cvičení využiješ PCA k nalezení první hlavní komponenty měření délky a šířky vzorků obilí a zobrazíš ji jako šipku v bodovém grafu.

Pole grains obsahuje hodnoty délky a šířky vzorků obilí. PyPlot (plt) a PCA jsou již naimportované.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř bodový graf měření obilí. Tento krok je již hotový.
  • Vytvoř instanci PCA s názvem model.
  • Natrénuj model na datech grains.
  • Pomocí atributu .mean_ modelu získej souřadnice středu dat.
  • Pomocí atributu .components_[0,:] získej první hlavní komponentu modelu.
  • Vykresli první hlavní komponentu jako šipku v bodovém grafu pomocí funkce plt.arrow(). Jako první dva argumenty zadej mean[0] a mean[1].

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Make a scatter plot of the untransformed points
plt.scatter(grains[:,0], grains[:,1])

# Create a PCA instance: model
model = ____

# Fit model to points
____

# Get the mean of the grain samples: mean
mean = ____

# Get the first principal component: first_pc
first_pc = ____

# Plot first_pc as an arrow, starting at mean
plt.arrow(____, ____, first_pc[0], first_pc[1], color='red', width=0.01)

# Keep axes on same scale
plt.axis('equal')
plt.show()
Upravit a spustit kód