मल्टिकॉलीनियरिटी तकनीकें - PCA
पिछले अभ्यास में आपने diabetes डेटासेट में सबसे अधिक सहसंबंध दिखाने वाले स्वतंत्र वैरिएबल s1 और s2 को फ़ीचर इंजीनियरिंग से जोड़कर s1_s2 बनाया था.
इस अभ्यास में, आप diabetes पर PCA लागू करेंगे ताकि Linear Regression लगाने से पहले multicollinearity हटाई जा सके। फिर, आप आउटपुट मेट्रिक्स की तुलना पिछले अभ्यास से करेंगे। अंत में, आप देखेंगे कि PCA के बाद डेटासेट का correlation matrix और उसका heatmap कैसा दिखता है, क्योंकि PCA multicollinearity को पूरी तरह हटा देता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import
from sklearn.decomposition import ____
# Instantiate
pca = ____()
# Fit on train
pca.____(____)
# Transform train and test
X_trainPCA = pca.____(____)
X_testPCA = pca.____(____)