PCA w potoku modelu
Właśnie przekonaliśmy się, że legendarne Pokémony mają zazwyczaj wyższe statystyki. Sprawdźmy, czy możemy dodać do potoku klasyfikator, który wykrywa legendarne i nielegendarne Pokémony na podstawie głównych składowych.
Dane zostały wczytane i podzielone na zbiory treningowe i testowe: X_train, X_test, y_train, y_test.
To samo dotyczy wszystkich potrzebnych pakietów i klas (Pipeline(), StandardScaler(), PCA(), RandomForestClassifier()).
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', ____),
('classifier', ____)])