Сингулярное разложение
В предыдущем упражнении вы убедились, насколько полезным может быть метод главных компонент (PCA) для снижения размерности набора данных — особенно когда на собеседовании по машинному обучению встречается вопрос о высокой размерности.
В этом упражнении вы попрактикуетесь в применении SVD на наборе данных diabetes. В отличие от PCA, этот преобразователь эффективно работает с разреженными матрицами и выполняет линейное снижение размерности с помощью усечённого сингулярного разложения.
Напомним, что сингулярное разложение принимает исходную матрицу данных, разбивает её на три матрицы и использует их для вычисления и возврата сингулярных значений.
Тот же этап конвейера, но другой метод:
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']