1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie nienadzorowane w Pythonie
Connected

ćwiczenie

Usuwanie korelacji z pomiarów ziaren za pomocą PCA

W poprzednim ćwiczeniu zaobserwowałeś, że pomiary szerokości i długości ziaren są ze sobą skorelowane. Teraz użyjesz PCA, aby usunąć tę korelację, a następnie zwizualizujesz nowe punkty i obliczysz ich korelację Pearsona.

Instrukcje

100 XP
  • Zaimportuj PCA z sklearn.decomposition.
  • Utwórz instancję klasy PCA o nazwie model.
  • Użyj metody .fit_transform() obiektu model, aby zastosować transformację PCA do zbioru grains. Wynik przypisz do zmiennej pca_features.
  • Kolejny fragment kodu – służący do wyodrębnienia, zwizualizowania i obliczenia korelacji Pearsona dla dwóch pierwszych kolumn pca_features – został już za ciebie przygotowany. Kliknij Prześlij odpowiedź, aby zobaczyć wynik!