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 y completa el código de muestra.
# 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)