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.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import
from sklearn.decomposition import ____
# Instantiate
pca = ____()
# Fit on train
pca.____(____)
# Transform train and test
X_trainPCA = pca.____(____)
X_testPCA = pca.____(____)