1. Learn
    2. /
  2. Courses
    3. /
  3. Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Connected

Exercise

Techniki usuwania współliniowości – PCA

W poprzednim ćwiczeniu zastosowano inżynierię cech, łącząc niezależne zmienne s1 i s2 w nową zmienną s1_s2, ponieważ wykazywały one najwyższą korelację w zbiorze danych diabetes.

W tym ćwiczeniu przeprowadzisz PCA na zbiorze diabetes, aby usunąć współliniowość przed zastosowaniem regresji liniowej. Następnie porównasz uzyskane metryki z wynikami poprzedniego ćwiczenia. Na koniec zwizualizujesz macierz korelacji i mapę ciepła, aby zobaczyć, jak wygląda zbiór danych po tym, jak PCA całkowicie usunęło współliniowość.

Instructions 1/3

undefined XP
  • 1
    • Zaimportuj niezbędne moduły do przeprowadzenia PCA.
    • Utwórz obiekt PCA i dopasuj go do danych.
    • Przekształć oddzielnie zbiór treningowy i testowy.
  • 2
    • Utwórz, dopasuj i zastosuj regresję liniową na zbiorze przekształconym przez PCA.
    • Wydrukuj współczynniki modelu, MSE oraz współczynnik determinacji R².
  • 3
    • Utwórz macierz korelacji i zwizualizuj ją jako mapę ciepła.
    • Wydrukuj macierz, aby zbadać zależności między zmiennymi niezależnymi.