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 y completa el código de muestra.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)