ÎncepețiÎncepe gratuit

Varianța caracteristicilor PCA

Setul de date despre pești are 6 dimensiuni. Dar care este dimensiunea sa intrinsecă? Realizează un grafic al varianțelor caracteristicilor PCA pentru a afla. Ca și înainte, samples este un array 2D, în care fiecare rând reprezintă un pește. Va trebui să standardizezi mai întâi caracteristicile.

Acest exercițiu face parte din cursul

Învățare nesupervizată în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează o instanță a clasei StandardScaler numită scaler.
  • Creează o instanță a clasei PCA numită pca.
  • Folosește funcția make_pipeline() pentru a crea un pipeline care înlănțuie scaler și pca.
  • Folosește metoda .fit() a obiectului pipeline pentru a-l antrena pe eșantioanele din setul de pești, samples.
  • Extrage numărul de componente utilizate cu ajutorul atributului .n_components_ al obiectului pca. Plasează această valoare în interiorul funcției range() și stochează rezultatul ca features.
  • Folosește funcția plt.bar() pentru a reprezenta grafic varianțele explicate, cu features pe axa x și pca.explained_variance_ pe axa y.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Perform the necessary imports
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import make_pipeline
import matplotlib.pyplot as plt

# Create scaler: scaler
scaler = ____

# Create a PCA instance: pca
pca = ____

# Create pipeline: pipeline
pipeline = ____

# Fit the pipeline to 'samples'
____

# Plot the explained variances
features = ____
plt.bar(____, ____)
plt.xlabel('PCA feature')
plt.ylabel('variance')
plt.xticks(features)
plt.show()
Editează și rulează codul