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

Exercise

Rozkład według wartości osobliwych

W poprzednim ćwiczeniu zobaczyłeś, jak przydatna może być analiza PCA przy redukcji wymiarów zbioru danych – szczególnie gdy podczas rozmowy kwalifikacyjnej z uczenia maszynowego pojawia się pytanie o wysoką wymiarowość.

W tym ćwiczeniu przećwiczysz SVD na zbiorze danych diabetes. Ten transformer, w przeciwieństwie do PCA, sprawnie radzi sobie z rzadkimi macierzami i przeprowadza liniową redukcję wymiarów metodą obciętego rozkładu według wartości osobliwych.

Przypomnij sobie, że rozkład według wartości osobliwych pobiera oryginalną macierz danych, rozkłada ją na trzy macierze i wykorzystuje je do obliczenia oraz zwrócenia wartości osobliwych.

To samo miejsce w potoku przetwarzania – inna technika: Machine learning pipeline

Instructions 1/4

undefined XP
    1
    2
    3
    4
  • Zaimportuj odpowiedni moduł do przeprowadzenia SVD.
  • Utwórz macierz cech X oraz tablicę docelową y z kolumną progression ze zbioru danych diabetes.