เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

PCA สำหรับการสำรวจ Feature

ใช้ PCA pipeline ที่สร้างไว้ในแบบฝึกหัดก่อนหน้า เพื่อสำรวจด้วยภาพว่า feature ประเภทหมวดหมู่บางตัวสัมพันธ์กับความแปรปรวนใน poke_df อย่างไร feature ประเภทหมวดหมู่เหล่านี้ (Type และ Legendary) อยู่ใน DataFrame แยกต่างหากชื่อ poke_cat_df

แพ็กเกจและคลาสที่จำเป็นทั้งหมดถูกโหลดไว้ให้แล้ว (Pipeline(), StandardScaler(), PCA())

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การลดมิติข้อมูลใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด