Применение PCA

В этом упражнении вы применёте метод главных компонент (PCA) к набору данных wine, чтобы проверить, можно ли повысить точность модели.

Это упражнение является частью курса

Предобработка данных для машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

Создайте объект PCA.
Определите признаки (X) и метки (y) из набора данных wine, используя столбец "Type" в качестве меток.
Примените PCA к X_train и X_test, исключив утечку данных, и сохраните преобразованные значения как pca_X_train и pca_X_test.
Выведите атрибут .explained_variance_ratio_ объекта pca, чтобы узнать, какую долю дисперсии объясняет каждая компонента.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)

Редактировать и запускать код