Kom igångKom igång gratis

Dimensionsreduktion av fiskmätningar

I en tidigare övning såg du att 2 var ett rimligt val för den "inneboende dimensionen" hos fiskmätningarna. Nu ska du använda PCA för dimensionsreduktion av dessa mätningar och behålla endast de 2 viktigaste komponenterna.

Fiskmätningarna har redan skalats åt dig och finns tillgängliga som scaled_samples.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Importera PCA från sklearn.decomposition.
  • Skapa en PCA-instans med namnet pca och sätt n_components=2.
  • Använd metoden .fit() på pca för att anpassa den till de skalade fiskmätningarna scaled_samples.
  • Använd metoden .transform() på pca för att transformera scaled_samples. Tilldela resultatet till pca_features.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod