Scree plot के साथ PCs का विज़ुअलाइज़ेशन
एक मशीन लर्निंग इंटरव्यू में आपसे पूछा जा सकता है कि रखने के लिए फीचर्स की उपयुक्त संख्या क्या है। इस अभ्यास में आप loan_data पर PCA का उपयोग करके प्रिंसिपल कंपोनेंट्स का scree plot और cumulative explained variance ratio प्लॉट बनाएँगे.
यह आगे एक अधिक सटीक ML मॉडल को ट्रेन करने के लिए PCs की इष्टतम संख्या तय करने में मदद करेगा.
क्योंकि PCA एक unsupervised विधि है, इसलिए प्रिंसिपल कंपोनेंट एनालिसिस X मैट्रिक्स पर किया जाता है, जिसमें डेटासेट से टार्गेट वैरिएबल Loan Status हटा दिया गया है. n_components सेट न करने पर, ट्रेन किए गए मॉडल से सभी प्रिंसिपल कंपोनेंट्स मिलते हैं.
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।
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)