Menggunakan PCA

Dalam latihan ini, Anda akan menerapkan PCA pada himpunan data wine untuk melihat apakah Anda dapat meningkatkan akurasi model.

Latihan ini merupakan bagian dari kursus

Prapemrosesan untuk Machine Learning di Python

Lihat Kursus

Instruksi latihan

Instansiasi objek PCA.
Tentukan fitur (X) dan label (y) dari wine, menggunakan label pada kolom "Type".
Terapkan PCA pada X_train dan X_test, pastikan tidak terjadi kebocoran data, lalu simpan nilai yang telah ditransformasikan sebagai pca_X_train dan pca_X_test.
Cetak atribut .explained_variance_ratio_ dari pca untuk memeriksa seberapa besar ragam yang dijelaskan oleh setiap komponen.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)

Edit dan Jalankan Kode