Descompunerea în valori singulare
În exercițiul anterior, ai văzut cât de utilă poate fi ACP (PCA) pentru reducerea dimensiunilor unui set de date atunci când primești o întrebare despre dimensionalitate ridicată într-un interviu de machine learning.
În acest exercițiu, vei exersa SVD pe setul de date diabetes. Spre deosebire de PCA, acest transformator lucrează eficient cu matrice rare și realizează reducerea liniară a dimensionalității prin descompunere trunchiată în valori singulare.
Amintește-ți că descompunerea în valori singulare preia matricea de date originală, o descompune în trei matrice și le folosește pentru a calcula și returna valorile singulare.
Același loc în pipeline, cu o tehnică diferită:
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']