ÎncepețiÎncepe gratuit

Decorelarea măsurătorilor de cereale cu PCA

Ai observat în exercițiul anterior că măsurătorile de lățime și lungime ale cerealelor sunt corelate. Acum vei folosi PCA pentru a decorela aceste măsurători, apoi vei reprezenta grafic punctele decorelate și vei calcula corelația Pearson.

Acest exercițiu face parte din cursul

Învățare nesupervizată în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă PCA din sklearn.decomposition.
  • Creează o instanță a clasei PCA numită model.
  • Folosește metoda .fit_transform() a lui model pentru a aplica transformarea PCA asupra lui grains. Atribuie rezultatul variabilei pca_features.
  • Codul următor, care extrage, reprezintă grafic și calculează corelația Pearson pentru primele două coloane din pca_features, a fost deja scris pentru tine – apasă Trimite răspunsul pentru a vedea rezultatul!

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import PCA
____

# Create PCA instance: model
model = ____

# Apply the fit_transform method of model to grains: pca_features
pca_features = ____

# Assign 0th column of pca_features: xs
xs = pca_features[:,0]

# Assign 1st column of pca_features: ys
ys = pca_features[:,1]

# Scatter plot xs vs ys
plt.scatter(xs, ys)
plt.axis('equal')
plt.show()

# Calculate the Pearson correlation of xs and ys
correlation, pvalue = pearsonr(xs, ys)

# Display the correlation
print(correlation)
Editează și rulează codul