Zacznij terazZacznij za darmo

Pierwszy główny składnik

Pierwszy główny składnik danych to kierunek, w którym dane wykazują największą zmienność. W tym ćwiczeniu Twoim zadaniem jest użycie PCA do znalezienia pierwszego głównego składnika pomiarów długości i szerokości próbek ziarna oraz przedstawienie go jako strzałki na wykresie punktowym.

Tablica grains zawiera długości i szerokości próbek ziarna. PyPlot (plt) i PCA zostały już zaimportowane.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz wykres punktowy pomiarów ziarna. Ten krok został już wykonany.
  • Utwórz instancję PCA o nazwie model.
  • Dopasuj model do danych grains.
  • Wyodrębnij współrzędne środka danych, korzystając z atrybutu .mean_ modelu.
  • Pobierz pierwszy główny składnik modelu, używając atrybutu .components_[0,:].
  • Narysuj pierwszy główny składnik jako strzałkę na wykresie punktowym, korzystając z funkcji plt.arrow(). Podaj dwa pierwsze argumenty – mean[0] i mean[1].

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Make a scatter plot of the untransformed points
plt.scatter(grains[:,0], grains[:,1])

# Create a PCA instance: model
model = ____

# Fit model to points
____

# Get the mean of the grain samples: mean
mean = ____

# Get the first principal component: first_pc
first_pc = ____

# Plot first_pc as an arrow, starting at mean
plt.arrow(____, ____, first_pc[0], first_pc[1], color='red', width=0.01)

# Keep axes on same scale
plt.axis('equal')
plt.show()
Edytuj i uruchom kod