PCA na większym zbiorze danych
Teraz zastosujesz PCA na nieco większej próbce danych ANSUR, obejmującej 13 wymiarów — zbiór jest już wczytany jako ansur_df. Dopasowany model będzie używany w kolejnym ćwiczeniu.
Ponieważ nie korzystamy bezpośrednio z głównych składowych, nie ma potrzeby transformowania danych — wystarczy dopasować pca do danych.
To ćwiczenie jest częścią kursu
Redukcja wymiarowości w Pythonie
Instrukcje do ćwiczenia
- Utwórz obiekt
scaler. - Znormalizuj dane.
- Utwórz instancję
PCA(). - Dopasuj ją do znormalizowanych danych.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
# Scale the data
scaler = ____
ansur_std = ____
# Apply PCA
pca = ____
pca.____