Vizualizarea componentelor principale cu un scree plot
Într-un interviu de machine learning, s-ar putea să ți se ceară să determini numărul optim de caracteristici de păstrat. În acest exercițiu vei crea un scree plot și un grafic al varianței explicate cumulative pentru componentele principale, folosind PCA pe loan_data.
Acest lucru te va ajuta să identifici numărul optim de componente principale pentru antrenarea unui model ML mai precis.
Deoarece PCA este o metodă de învățare nesupervizată, analiza componentelor principale se efectuează pe matricea X din care a fost eliminată variabila țintă Loan Status. Dacă nu setezi n_components, modelul antrenat va returna toate componentele principale.
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.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)