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
<Kurs>Dimensionsreduktion in Python</Kurs>Übungsanweisungen
- Erstelle den
scaler. - Standardisiere die Daten.
- Erstelle die
PCA()-Instanz. - Fitte sie auf die standardisierten Daten.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
# Scale the data
scaler = ____
ansur_std = ____
# Apply PCA
pca = ____
pca.____