Analisis komponen utama
Dalam 2 bab terakhir, Anda telah melihat berbagai cara untuk mengurangi dimensi himpunan data, termasuk regularisasi dan pemilihan fitur. Penting bagi Anda untuk dapat menjelaskan berbagai aspek pengurangan dimensi dalam wawancara Machine Learning. Himpunan data yang besar membutuhkan waktu komputasi yang lama, dan derau pada data Anda dapat memengaruhi hasil.
Salah satu cara untuk mengurangi dimensi adalah analisis komponen utama (principal component analysis/PCA). Ini merupakan cara efektif untuk mengecilkan ukuran data dengan membuat fitur-fitur baru yang mempertahankan informasi paling berguna dari suatu himpunan data sekaligus menghilangkan multikolinearitas. Pada latihan ini, Anda akan menggunakan modul sklearn.decomposition untuk melakukan PCA pada fitur-fitur himpunan data diabetes sambil mengisolasi variabel target progression.
Ini adalah posisi Anda dalam pipeline:
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']