Mulai sekarangMulai gratis

Reduksi dimensi pada pengukuran ikan

Dalam latihan sebelumnya, Anda melihat bahwa 2 merupakan pilihan yang masuk akal untuk "dimensi intrinsik" dari pengukuran ikan. Sekarang gunakan PCA untuk reduksi dimensi pada pengukuran ikan, dengan mempertahankan hanya 2 komponen terpenting.

Pengukuran ikan telah diskalakan untuk Anda, dan tersedia sebagai scaled_samples.

Latihan ini merupakan bagian dari kursus

Unsupervised Learning in Python

Lihat Kursus

Instruksi latihan

  • Impor PCA dari sklearn.decomposition.
  • Buat sebuah instance PCA bernama pca dengan n_components=2.
  • Gunakan metode .fit() dari pca untuk menyesuaikannya dengan pengukuran ikan yang telah diskalakan scaled_samples.
  • Gunakan metode .transform() dari pca untuk mentransformasi scaled_samples. Simpan hasilnya ke pca_features.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import PCA
____

# Create a PCA model with 2 components: pca
pca = ____

# Fit the PCA instance to the scaled samples
____

# Transform the scaled samples: pca_features
pca_features = ____

# Print the shape of pca_features
print(pca_features.shape)
Edit dan Jalankan Kode