LoslegenKostenlos starten

Dimensionsreduktion der Fischmessungen

In einer früheren Übung hast du gesehen, dass 2 eine sinnvolle Wahl für die „intrinsische Dimension“ der Fischmessungen ist. Nutze nun PCA zur Dimensionsreduktion der Fischmessungen und behalte nur die zwei wichtigsten Komponenten bei.

Die Fischmessungen wurden bereits für dich skaliert und sind als scaled_samples verfügbar.

Diese Übung ist Teil des Kurses

<Kurs>Unsupervised Learning in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere PCA aus sklearn.decomposition.
  • Erstelle eine PCA-Instanz namens pca mit n_components=2.
  • Verwende die .fit()-Methode von pca, um sie an die skalierten Fischmessungen scaled_samples anzupassen.
  • Verwende die .transform()-Methode von pca, um scaled_samples zu transformieren. Weise das Ergebnis pca_features zu.

Interaktive praktische 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