ACP dans un pipeline de modèle
Nous venons de voir que les Pokémon légendaires ont généralement des statistiques plus élevées. Voyons si nous pouvons ajouter un classificateur à notre pipeline pour distinguer les Pokémon légendaires des non légendaires à partir des composantes principales.
Les données ont été préchargées et séparées en ensembles d'entraînement et de test : X_train, X_test, y_train, y_test.
Il en va de même pour tous les paquets et classes requis (Pipeline(), StandardScaler(), PCA(), RandomForestClassifier()).
Cette activité fait partie du cours
Réduction de dimensionnalité en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Build the pipeline
pipe = Pipeline([
('scaler', ____),
('reducer', ____),
('classifier', ____)])