शुरू करेंमुफ़्त में शुरू करें

PCA फीचर्स का वैरिएंस

Fish डेटासेट 6-डायमेंशनल है. लेकिन इसकी intrinsic डायमेंशन क्या है? यह जानने के लिए PCA फीचर्स के वैरिएंसेज़ का प्लॉट बनाइए. पहले की तरह, samples एक 2D array है, जहाँ हर row एक fish को दर्शाती है. आपको पहले फीचर्स को स्टैंडर्डाइज़ करना होगा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Unsupervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • StandardScaler का एक इंस्टेंस scaler नाम से बनाएँ.
  • PCA का एक इंस्टेंस pca नाम से बनाएँ.
  • make_pipeline() फंक्शन का उपयोग करके scaler और pca को चेन करते हुए एक पाइपलाइन बनाएँ.
  • pipeline की .fit() मेथड का उपयोग करके उसे fish सैंपल्स samples पर फिट करें.
  • उपयोग किए गए कंपोनेंट्स की संख्या निकालने के लिए pca की .n_components_ एट्रिब्यूट का उपयोग करें. इसे range() फंक्शन के अंदर रखें और परिणाम features के रूप में स्टोर करें.
  • plt.bar() फंक्शन का उपयोग करके explained variances को प्लॉट करें, जहाँ x-axis पर features और y-axis पर pca.explained_variance_ हो.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Perform the necessary imports
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
import matplotlib.pyplot as plt

# Create scaler: scaler
scaler = ____

# Create a PCA instance: pca
pca = ____

# Create pipeline: pipeline
pipeline = ____

# Fit the pipeline to 'samples'
____

# Plot the explained variances
features = ____
plt.bar(____, ____)
plt.xlabel('PCA feature')
plt.ylabel('variance')
plt.xticks(features)
plt.show()
कोड संपादित करें और चलाएँ