Визуализация главных компонент с помощью скри-графика
На собеседовании по машинному обучению вас могут спросить, какое оптимальное количество признаков следует сохранить. В этом упражнении вы построите скри-график и график накопленной объяснённой дисперсии для главных компонент, применив PCA к набору данных loan_data.
Это поможет определить оптимальное количество главных компонент для обучения более точной модели машинного обучения.
Поскольку PCA является методом обучения без учителя, анализ главных компонент выполняется на матрице X, из которой удалена целевая переменная Loan Status. Если не задать n_components, обученная модель вернёт все главные компоненты.
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)