НачатьНачать бесплатно

Снижение размерности данных об измерениях рыб

В предыдущем упражнении вы убедились, что 2 — разумный выбор для «внутренней размерности» данных об измерениях рыб. Теперь примените метод PCA для снижения размерности этих данных, оставив только 2 наиболее важных компонента.

Данные об измерениях рыб уже масштабированы и доступны в переменной scaled_samples.

Это упражнение является частью курса

Обучение без учителя на Python

Посмотреть курс

Инструкции к упражнению

  • Импортируйте PCA из sklearn.decomposition.
  • Создайте экземпляр PCA с именем pca и параметром n_components=2.
  • С помощью метода .fit() объекта pca обучите его на масштабированных данных об измерениях рыб scaled_samples.
  • С помощью метода .transform() объекта pca преобразуйте scaled_samples. Сохраните результат в переменную pca_features.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import PCA
____

# Create a PCA model with 2 components: pca
pca = ____

# Fit the PCA instance to the scaled samples
____

# Transform the scaled samples: pca_features
pca_features = ____

# Print the shape of pca_features
print(pca_features.shape)
Редактировать и запускать код