แสดงภาพ PC ด้วย Scree Plot
ในการสัมภาษณ์ด้าน Machine Learning คุณอาจถูกถามว่าจำนวน feature ที่เหมาะสมที่ควรเก็บไว้คือเท่าไร ในแบบฝึกหัดนี้ จะสร้าง scree plot และกราฟ cumulative explained variance ratio ของ principal component โดยใช้ PCA กับ loan_data
สิ่งนี้จะช่วยกำหนดจำนวน PC ที่เหมาะสมสำหรับการฝึกโมเดล ML ที่แม่นยำยิ่งขึ้นต่อไป
เนื่องจาก PCA เป็นวิธีแบบ unsupervised หมายความว่า principal component analysis จะดำเนินการบนเมทริกซ์ X โดยนำตัวแปรเป้าหมาย Loan Status ออกจากชุดข้อมูล การไม่กำหนดค่า n_components จะให้ผลลัพธ์เป็น principal component ทั้งหมดจากโมเดลที่ฝึกแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Remove target variable
X = loan_data.____('____', axis=1)
# Instantiate
pca = ____(n_components=____)
# Fit and transform
principalComponents = pca.____(____)