CommencerCommencer gratuitement

Réduction des dimensions des mesures des poissons

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

Les mesures des poissons ont déjà été mises à l'échelle pour vous et sont disponibles sous le nom « scaled_samples ».

Cet exercice fait partie du cours

Apprentissage non supervisé en Python

Afficher le cours

Instructions

  • 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 de poissons normalisées scaled_samples.
  • Utilisez la méthode .transform() de pca pour transformer scaled_samples. Affectez le résultat à pca_features.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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