The first principal component
डेटा का पहला प्रिंसिपल कंपोनेंट वह दिशा होती है जिसमें डेटा में सबसे अधिक वैरिएशन होता है। इस अभ्यास में, आपका काम है PCA का उपयोग करके अनाज (grain) सैंपल्स की लंबाई और चौड़ाई मापों का पहला प्रिंसिपल कंपोनेंट निकालना और उसे स्कैटर प्लॉट पर एक एरो के रूप में दर्शाना.
एरे grains अनाज सैंपल्स की लंबाई और चौड़ाई देता है. PyPlot (plt) और PCA पहले से इम्पोर्ट किए जा चुके हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Unsupervised Learning
अभ्यास निर्देश
- अनाज के मापों का स्कैटर प्लॉट बनाएँ. यह आपके लिए पहले से किया गया है.
modelनाम से एकPCAइंस्टेंस बनाएँ.grainsडेटा पर मॉडल फिट करें.modelके.mean_एट्रिब्यूट का उपयोग करके डेटा के mean के कॉर्डिनेट्स निकालें..components_[0,:]एट्रिब्यूट का उपयोग करकेmodelका पहला प्रिंसिपल कंपोनेंट प्राप्त करें.plt.arrow()फंक्शन का उपयोग करके स्कैटर प्लॉट पर पहले प्रिंसिपल कंपोनेंट को एरो के रूप में प्लॉट करें. आपको पहले दो आर्ग्यूमेंट्सmean[0]औरmean[1]निर्दिष्ट करने होंगे.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Make a scatter plot of the untransformed points
plt.scatter(grains[:,0], grains[:,1])
# Create a PCA instance: model
model = ____
# Fit model to points
____
# Get the mean of the grain samples: mean
mean = ____
# Get the first principal component: first_pc
first_pc = ____
# Plot first_pc as an arrow, starting at mean
plt.arrow(____, ____, first_pc[0], first_pc[1], color='red', width=0.01)
# Keep axes on same scale
plt.axis('equal')
plt.show()