मॉडल पाइपलाइन में PCA
हमने अभी देखा कि लेजेंडरी पोकेमॉन के आँकड़े आम तौर पर अधिक होते हैं. आइए देखें कि क्या हम अपनी पाइपलाइन में ऐसा क्लासिफायर जोड़ सकते हैं जो प्रिंसिपल कंपोनेंट्स के आधार पर लेजेंडरी बनाम नॉन-लेजेंडरी पोकेमॉन की पहचान करे.
डेटा आपके लिए पहले से लोड है और उसे ट्रेनिंग और टेस्ट डेटासेट्स में बाँटा गया है: X_train, X_test, y_train, y_test.
सभी ज़रूरी पैकेज और क्लास भी उपलब्ध हैं (Pipeline(), StandardScaler(), PCA(), RandomForestClassifier()).
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Dimensionality Reduction
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build the pipeline
pipe = Pipeline([
('scaler', ____),
('reducer', ____),
('classifier', ____)])