Kom igångKom igång gratis

Den första huvudkomponenten

Den första huvudkomponenten i en datamängd är den riktning där datan varierar mest. I den här övningen ska du använda PCA för att hitta den första huvudkomponenten för längd- och breddmätningarna av sädeskornen, och sedan visualisera den som en pil i ett spridningsdiagram.

Arrayen grains innehåller längd och bredd för sädeskornssamplarna. PyPlot (plt) och PCA har redan importerats åt dig.

Den här övningen är en del av kursen

Oövervakad inlärning i Python

Visa kurs

Övningsinstruktioner

  • Skapa ett spridningsdiagram över sädeskornsdata. Det här steget är redan gjort åt dig.
  • Skapa en instans av PCA med namnet model.
  • Anpassa modellen till grains-datan.
  • Extrahera koordinaterna för datans medelvärde med attributet .mean_ från model.
  • Hämta den första huvudkomponenten från model med attributet .components_[0,:].
  • Rita den första huvudkomponenten som en pil i spridningsdiagrammet med funktionen plt.arrow(). Du behöver ange de två första argumenten – mean[0] och mean[1].

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Make a scatter plot of the untransformed points
plt.scatter(grains[:,0], grains[:,1])

# Create a PCA instance: model
model = ____

# Fit model to points
____

# Get the mean of the grain samples: mean
mean = ____

# Get the first principal component: first_pc
first_pc = ____

# Plot first_pc as an arrow, starting at mean
plt.arrow(____, ____, first_pc[0], first_pc[1], color='red', width=0.01)

# Keep axes on same scale
plt.axis('equal')
plt.show()
Redigera och kör kod