CommencezCommencez gratuitement

Réduction de dimension des mesures des poissons

Dans un exercice précédent, vous avez vu que 2 était un choix raisonnable pour la « dimension intrinsèque » des mesures des poissons. Utilisez maintenant la PCA pour réduire la dimension des mesures, en ne conservant que les 2 composantes les plus importantes.

Les mesures des poissons ont déjà été normalisées pour vous et sont accessibles sous scaled_samples.

Cette activité fait partie du cours

Unsupervised Learning in Python

Voir le cours

Instructions de l’exercice

  • Importez PCA depuis sklearn.decomposition.
  • Créez une instance de PCA appelée pca avec n_components=2.
  • Utilisez la méthode .fit() de pca pour l'ajuster aux mesures normalisées des poissons scaled_samples.
  • Utilisez la méthode .transform() de pca pour transformer scaled_samples. Attribuez le résultat à pca_features.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import PCA
____

# Create a PCA model with 2 components: pca
pca = ____

# Fit the PCA instance to the scaled samples
____

# Transform the scaled samples: pca_features
pca_features = ____

# Print the shape of pca_features
print(pca_features.shape)
Modifier et exécuter le code