PCA för särdragsutforskning
Du kommer att använda PCA-pipelinen du byggde i föregående övning för att visuellt utforska hur vissa kategoriska särdrag förhåller sig till variansen i poke_df.
Dessa kategoriska särdrag (Type & Legendary) finns i en separat DataFrame poke_cat_df.
Alla relevanta paket och klasser har förinslästs åt dig (Pipeline(), StandardScaler(), PCA())
Den här övningen är en del av kursen
Dimensionsreduktion i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)