ćwiczenie

Redukcja wymiarowości pomiarów ryb

W poprzednim ćwiczeniu wynikało, że 2 jest rozsądnym wyborem dla „wymiaru wewnętrznego" pomiarów ryb. Teraz zastosuj PCA do redukcji wymiarowości tych danych, zachowując tylko 2 najważniejsze komponenty.

Pomiary ryb zostały już przeskalowane i są dostępne jako scaled_samples.

Instrukcje

100 XP

Zaimportuj PCA z sklearn.decomposition.
Utwórz instancję PCA o nazwie pca z argumentem n_components=2.
Użyj metody .fit() obiektu pca, aby dopasować go do przeskalowanych pomiarów ryb scaled_samples.
Użyj metody .transform() obiektu pca, aby przekształcić scaled_samples. Wynik przypisz do zmiennej pca_features.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie