Memvisualisasikan pemisahan kelas dengan PCA I
Pertanyaan yang sering muncul dalam wawancara Machine Learning adalah bagaimana memvisualisasikan dimensi setelah PCA. Pada latihan ini, Anda akan melakukannya dengan membuat plot 2 komponen utama pertama dari loan_data untuk memvisualisasikan pemisahan kelas antara kedua komponen berdasarkan status pinjaman apakah telah dilunasi sepenuhnya atau dihapus buku (charged off).
Himpunan data loan_data telah diskalakan dan di-one-hot encode, artinya variabel kategorikal diubah menjadi indikator biner, karena sebelum PCA fitur harus berada pada skala yang sama dan bertipe numerik.
Model PCA dengan 2 PC serta pengaturan plot dengan label sumbu x dan y serta judul sudah disiapkan untuk Anda. Anda akan menggunakan DataFrame bernama loan_data_PCA dalam latihan ini. Nilai yang mungkin untuk variabel target Loan Status adalah 0 dan 1. Anda akan memplot PC1 pada sumbu x dan PC2 pada sumbu y.
Sudah diimpor untuk Anda: matplotlib.pyplot sebagai plt, seaborn sebagai sns, PCA dari sklearn.decomposition.
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.
targets = [____, ____]
colors = ['r', 'b']
# For loop to create plot
for target, color in zip(____, ____):
indicesToKeep = ____['____'] == ____