LoslegenKostenlos loslegen

PCA auf einem größeren Datensatz

Jetzt wendest du PCA auf eine etwas größere ANSUR-Stichprobe mit 13 Dimensionen an, die wieder als ansur_df vorab geladen ist. Das angepasste Modell wird in der nächsten Aufgabe verwendet. Da wir die Hauptkomponenten selbst nicht verwenden, müssen die Daten nicht transformiert werden. Es reicht, pca auf die Daten zu fitten.

Diese Übung ist Teil des Kurses

Dimensionsreduktion in Python

Kurs anzeigen

Anleitung zur Übung

  • Erstelle den scaler.
  • Standardisiere die Daten.
  • Erstelle die PCA()-Instanz.
  • Fitte sie auf die standardisierten Daten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

# Scale the data
scaler = ____
ansur_std = ____

# Apply PCA
pca = ____
pca.____
Code bearbeiten und ausführen