Singulärvärdesnedbrytning
I den förra övningen såg du hur användbar PCA kan vara för att minska dimensionerna i en datamängd när du får en fråga om hög dimensionalitet i en maskininlärningsintervju.
I den här övningen tränar du på SVD med datamängden diabetes. Den här transformatorn kan arbeta effektivt med glesa matriser, till skillnad från PCA, och utför linjär dimensionalitetsreduktion med hjälp av trunkerad singulärvärdesnedbrytning.
Kom ihåg att singulärvärdesnedbrytning tar den ursprungliga datamatrisen, bryter ned den i tre matriser och använder dessa för att beräkna och returnera singulärvärdena.
Samma plats i pipeline:n, men med en annan teknik:
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']