CommencezCommencez gratuitement

Décorréler les mesures des grains avec la PCA

Dans l'exercise précédent, vous avez observé que la largeur et la longueur des grains sont corrélées. Vous allez maintenant utiliser la PCA pour décorréler ces mesures, puis tracer les points décorrélés et mesurer leur corrélation de Pearson.

Cette activité fait partie du cours

Unsupervised Learning in Python

Voir le cours

Instructions de l’exercice

  • Importez PCA de sklearn.decomposition.
  • Créez une instance de PCA appelée model.
  • Utilisez la méthode .fit_transform() de model pour appliquer la transformation PCA à grains. Assignez le résultat à pca_features.
  • Le code suivant, qui extrait, trace et calcule la corrélation de Pearson des deux premières colonnes de pca_features, a été écrit pour vous. Cliquez sur Soumettre la réponse pour voir le résultat !

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import PCA
____

# Create PCA instance: model
model = ____

# Apply the fit_transform method of model to grains: pca_features
pca_features = ____

# Assign 0th column of pca_features: xs
xs = pca_features[:,0]

# Assign 1st column of pca_features: ys
ys = pca_features[:,1]

# Scatter plot xs vs ys
plt.scatter(xs, ys)
plt.axis('equal')
plt.show()

# Calculate the Pearson correlation of xs and ys
correlation, pvalue = pearsonr(xs, ys)

# Display the correlation
print(correlation)
Modifier et exécuter le code