1. Learn
    2. /
  2. Courses
    3. /
  3. Unsupervised Learning in Python
Connected

Exercise

Variance des caractéristiques de la PCA

L'ensemble de données sur les poissons est à 6 dimensions. Mais quelle est sa dimension intrinsèque? Dressez un graphique des variances des caractéristiques de la PCA pour le découvrir. Comme précédemment, samples est un tableau 2D où chaque ligne représente un poisson. Vous devrez d'abord normaliser les caractéristiques.

Instructions

100 XP
  • Créez une instance de StandardScaler appelée scaler.
  • Créez une instance de PCA appelée pca.
  • Utilisez la fonction make_pipeline() pour créer un pipeline en enchaînant scaler et pca.
  • Utilisez la méthode .fit() de pipeline pour l'ajuster aux échantillons de poissons samples.
  • Extrayez le nombre de composantes à l'aide de l'attribut .n_components_ de pca. Placez-le dans une fonction range() et stockez le résultat dans features.
  • Utilisez la fonction plt.bar() pour tracer les variances expliquées, avec features sur l'axe des x et pca.explained_variance_ sur l'axe des y.