PCA para explorar características
Vas a usar el pipeline de PCA que creaste en el ejercicio anterior para explorar visualmente cómo algunas características categóricas se relacionan con la varianza en poke_df.
Estas características categóricas (Type y Legendary) están en un DataFrame aparte, poke_cat_df.
Todos los paquetes y clases relevantes ya están precargados para ti (Pipeline(), StandardScaler(), PCA()).
Este ejercicio forma parte del curso
Reducción de dimensionalidad en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Build the pipeline
pipe = Pipeline([('scaler', StandardScaler()),
('reducer', PCA(n_components=2))])
# Fit the pipeline to poke_df and transform the data
pc = ____
print(pc)