เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การลดมิติของข้อมูลการวัดปลา

ในแบบฝึกหัดก่อนหน้า คุณได้เห็นแล้วว่า 2 เป็นตัวเลือกที่เหมาะสมสำหรับ "intrinsic dimension" ของข้อมูลการวัดปลา ตอนนี้ให้ใช้ PCA เพื่อลดมิติของข้อมูลดังกล่าว โดยเก็บไว้เพียง 2 components ที่สำคัญที่สุด

ข้อมูลการวัดปลาได้ถูก scale ไว้ให้แล้ว และพร้อมใช้งานในตัวแปร scaled_samples

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Unsupervised Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้า PCA จาก sklearn.decomposition
  • สร้าง PCA instance ชื่อ pca โดยกำหนด n_components=2
  • ใช้เมธอด .fit() ของ pca เพื่อ fit กับข้อมูลการวัดปลาที่ผ่านการ scale แล้ว (scaled_samples)
  • ใช้เมธอด .transform() ของ pca เพื่อแปลง scaled_samples แล้วเก็บผลลัพธ์ไว้ในตัวแปร pca_features

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import PCA
____

# Create a PCA model with 2 components: pca
pca = ____

# Fit the PCA instance to the scaled samples
____

# Transform the scaled samples: pca_features
pca_features = ____

# Print the shape of pca_features
print(pca_features.shape)
แก้ไขและรันโค้ด