Dekomposisi nilai singular
Pada latihan sebelumnya, Anda melihat betapa bermanfaatnya PCA untuk mengurangi dimensi himpunan data ketika Anda mendapatkan pertanyaan tentang dimensi tinggi dalam wawancara Machine Learning.
Pada latihan ini, Anda akan mempraktikkan SVD pada diabetes. Transformer ini dapat bekerja secara efisien dengan matriks jarang (sparse), berbeda dengan PCA, dan melakukan reduksi dimensi linear melalui truncated singular value decomposition.
Ingat bahwa dekomposisi nilai singular mengambil matriks data asli, memecahnya menjadi tiga matriks, lalu menggunakannya untuk menghitung dan mengembalikan nilai-nilai singular.
Posisi yang sama dalam pipeline dengan teknik berbeda:
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 = ____['____']