Singulärwertzerlegung
In der letzten Übung hast du gesehen, wie nützlich PCA sein kann, um die Dimensionen eines Datensatzes zu reduzieren, wenn dir in einem Machine-Learning-Interview eine Frage zu hoher Dimensionalität gestellt wird.
In dieser Übung übst du SVD am Datensatz diabetes. Dieser spezielle Transformer kann im Gegensatz zu PCA effizient mit Sparse-Matrizen arbeiten und führt lineare Dimensionsreduktionen mittels abgeschnittener Singulärwertzerlegung durch.
Erinnere dich: Bei der Singulärwertzerlegung wird die ursprüngliche Datenmatrix in drei Matrizen zerlegt. Diese werden verwendet, um Singulärwerte zu berechnen und zurückzugeben.
Gleicher Platz in der Pipeline, aber mit einer anderen Technik:
Diese Übung ist Teil des Kurses
ML-Vorstellungsgespräche in Python üben
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']