PCA do eksploracji cech
Użyjesz potoku PCA zbudowanego w poprzednim ćwiczeniu, aby wizualnie zbadać, jak niektóre cechy kategoryczne odnoszą się do wariancji w poke_df.
Te cechy kategoryczne (Type i Legendary) znajdziesz w oddzielnym DataFrame poke_cat_df.
Wszystkie niezbędne pakiety i klasy zostały już 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', StandardScaler()),
('reducer', PCA(n_components=2))])
# Fit the pipeline to poke_df and transform the data
pc = ____
print(pc)