การใช้ PCA

ในแบบฝึกหัดนี้ คุณจะนำ PCA ไปใช้กับชุดข้อมูล wine เพื่อดูว่าสามารถเพิ่มความแม่นยำของโมเดลได้หรือไม่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

คำแนะนำการฝึกหัด

สร้างออบเจกต์ PCA
กำหนด features (X) และ labels (y) จาก wine โดยใช้ labels ในคอลัมน์ "Type"
นำ PCA ไปใช้กับ X_train และ X_test โดยไม่ให้เกิด data leakage แล้วเก็บค่าที่แปลงแล้วเป็น pca_X_train และ pca_X_test
แสดงค่า attribute .explained_variance_ratio_ ของ pca เพื่อตรวจสอบว่าแต่ละ component อธิบายความแปรปรวนได้มากน้อยแค่ไหน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)

แก้ไขและรันโค้ด