เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

PCA กับชุดข้อมูลขนาดใหญ่ขึ้น

ในแบบฝึกหัดนี้ จะได้นำ PCA ไปใช้กับตัวอย่างข้อมูล ANSUR ที่มีขนาดใหญ่ขึ้น โดยมี 13 มิติ ซึ่งโหลดไว้ล่วงหน้าในตัวแปร ansur_df โมเดลที่ fit แล้วจะถูกนำไปใช้ในแบบฝึกหัดถัดไป เนื่องจากยังไม่ต้องการใช้ principal components โดยตรง จึงไม่จำเป็นต้องแปลงข้อมูล เพียงแค่ fit pca กับข้อมูลก็เพียงพอ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การลดมิติข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง scaler
  • Standardize ข้อมูล
  • สร้างอินสแตนซ์ PCA()
  • Fit กับข้อมูลที่ผ่านการ standardize แล้ว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

# Scale the data
scaler = ____
ansur_std = ____

# Apply PCA
pca = ____
pca.____
แก้ไขและรันโค้ด