PCA для исследования признаков
Используйте конвейер PCA, построенный в предыдущем упражнении, чтобы визуально исследовать, как некоторые категориальные признаки связаны с дисперсией в poke_df.
Эти категориальные признаки (Type и Legendary) находятся в отдельном DataFrame poke_cat_df.
Все необходимые пакеты и классы уже загружены (Pipeline(), StandardScaler(), PCA()).
Это упражнение является частью курса
Снижение размерности в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Build the pipeline
pipe = Pipeline([('scaler', StandardScaler()),
('reducer', PCA(n_components=2))])
# Fit the pipeline to poke_df and transform the data
pc = ____
print(pc)