Använda PCA

I den här övningen tillämpar du PCA på datamängden wine för att se om du kan förbättra modellens precision.

Den här övningen är en del av kursen

Förbehandling för maskininlärning i Python

Övningsinstruktioner

Skapa ett PCA-objekt.
Definiera särdragen (X) och etiketterna (y) från wine, med hjälp av etiketterna i kolumnen "Type".
Tillämpa PCA på X_train och X_test utan att orsaka datainläckage, och lagra de transformerade värdena som pca_X_train respektive pca_X_test.
Skriv ut attributet .explained_variance_ratio_ för pca för att kontrollera hur mycket varians varje komponent förklarar.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____)

Redigera och kör kod