Usando PCA

Neste exercício, você vai aplicar PCA ao conjunto de dados wine para ver se consegue aumentar a acurácia do modelo.

Este exercício faz parte do curso

Pré-processamento para Machine Learning em Python

Instruções do exercício

Instancie um objeto PCA.
Defina as features (X) e os rótulos (y) a partir de wine, usando os rótulos na coluna "Type".
Aplique PCA a X_train e X_test, garantindo que não haja vazamento de dados, e armazene os valores transformados como pca_X_train e pca_X_test.
Imprima o atributo .explained_variance_ratio_ de pca para verificar quanta variância é explicada por cada componente.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)

Editar e executar o código