Visualización de PCs con un scree plot
En una entrevista de Machine Learning, pueden preguntarte cuál es el número óptimo de características a conservar. En este ejercicio crearás un scree plot y una gráfica de varianza explicada acumulada de los componentes principales usando PCA sobre loan_data.
Esto te ayudará a decidir el número óptimo de PCs para entrenar un modelo de ML más preciso a partir de ahora.
Como PCA es un método no supervisado, el análisis de componentes principales se realiza sobre la matriz X tras eliminar la variable objetivo Loan Status del conjunto de datos. Si no estableces n_components, se devuelven todos los componentes principales del modelo entrenado.
Este ejercicio forma parte del curso
Practicing Machine Learning Interview Questions in Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)