LoslegenKostenlos loslegen

Reduzierung der Dimensionen der Fischmessungen

In einer früheren Übung hast du gesehen, dass „ 2 ” eine gute Wahl für die „intrinsische Dimension” der Fischmessungen war. Jetzt machst du eine PCA, um die Dimensionen der Fischmessungen zu reduzieren, und behältst nur die 2 wichtigsten Komponenten.

Die Maße der Fische sind schon für dich skaliert und als „ scaled_samples ” verfügbar.

Diese Übung ist Teil des Kurses

Unüberwachtes Lernen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere PCA aus sklearn.decomposition.
  • Erstell eine PCA-Instanz namens „ pca ” mit „ n_components=2 ”.
  • Verwende die Methode „ .fit() ” aus „ pca ”, um sie an die skalierten Fischmaße anzupassen: scaled_samples.
  • Verwende die Methode „ .transform() “ von „ pca “, um „ scaled_samples “ umzuwandeln. Weise das Ergebnis pca_features zu.

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import PCA
____

# Create a PCA model with 2 components: pca
pca = ____

# Fit the PCA instance to the scaled samples
____

# Transform the scaled samples: pca_features
pca_features = ____

# Print the shape of pca_features
print(pca_features.shape)
Code bearbeiten und ausführen