Visualizando PCs com um scree plot
Em uma entrevista de Machine Learning, podem perguntar qual é o número ideal de features a manter. Neste exercício, você vai criar um scree plot e um gráfico de variância explicada acumulada dos componentes principais usando PCA em loan_data.
Isso vai ajudar a definir o número ideal de PCs para treinar um modelo de ML mais preciso daqui para frente.
Como PCA é um método não supervisionado, a análise de componentes principais é feita na matriz X, removendo a variável-alvo Loan Status do conjunto de dados. Não definir n_components retorna todos os componentes principais do modelo treinado.
Este exercício faz parte do curso
Praticando perguntas de entrevista de Machine Learning em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)