스크리 플롯으로 주성분 시각화하기
Machine Learning 면접에서는 어떤 수의 특성을 유지하는 것이 최적인지 묻는 경우가 있어요. 이 연습 문제에서는 loan_data에 PCA를 적용해 주성분의 스크리 플롯과 누적 설명 분산 비율 플롯을 만들어 보겠습니다.
이를 통해 앞으로 더 정확한 ML 모델을 학습할 때 사용할 최적의 PC 수를 결정하는 데 도움을 받을 수 있어요.
PCA는 비지도 학습 방법이므로, 대상 변수 Loan Status를 제거한 X 행렬에 대해 주성분 분석을 수행합니다. n_components를 설정하지 않으면, 학습된 모델에서 모든 주성분이 반환됩니다.
이 연습은 강의의 일부입니다
Python으로 연습하는 Machine Learning 면접 질문
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)