Interpretacja składowych głównych
Zastosujesz PCA do cech liczbowych zbioru danych Pokemon, poke_df, używając potoku, który łączy skalowanie cech i PCA w jednym kroku. Następnie zinterpretujesz znaczenie pierwszych dwóch składowych.
Wszystkie niezbędne pakiety i klasy zostały wcześniej wczytane (Pipeline(), StandardScaler(), PCA()).
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Build the pipeline
pipe = Pipeline([('scaler', ____),
('reducer', ____(____))])