Zastosowanie PCA

W tym ćwiczeniu zastosujesz PCA do zbioru danych wine, żeby sprawdzić, czy uda się poprawić dokładność modelu.

To ćwiczenie jest częścią kursu

Preprocessing w uczeniu maszynowym w Pythonie

Instrukcje do ćwiczenia

Utwórz obiekt PCA.
Zdefiniuj cechy (X) i etykiety (y) na podstawie zbioru wine, korzystając z wartości w kolumnie "Type".
Zastosuj PCA do X_train i X_test, dbając o brak wycieku danych, i zapisz przekształcone wartości jako pca_X_train i pca_X_test.
Wyświetl atrybut .explained_variance_ratio_ obiektu pca, aby sprawdzić, jaką część wariancji wyjaśnia każda składowa.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)

Edytuj i uruchom kod