PCA em um conjunto de dados maior
Agora você vai aplicar PCA em uma amostra ANSUR um pouco maior, com 13 dimensões, já carregada como ansur_df. O modelo ajustado será usado no próximo exercício.
Como não vamos usar os próprios componentes principais, não há necessidade de transformar os dados; basta ajustar o pca aos dados.
Este exercício faz parte do curso
Redução de Dimensionalidade em Python
Instruções do exercício
- Crie o
scaler. - Padronize os dados.
- Crie a instância
PCA(). - Ajuste-a aos dados padronizados.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
# Scale the data
scaler = ____
ansur_std = ____
# Apply PCA
pca = ____
pca.____