Temel bileşen analizi
Son 2 bölümde, düzenlileştirme ve özellik seçimi de dahil olmak üzere veri künenin boyutunu nasıl azaltabileceğine dair çeşitli örnekler gördün. Bir Machine Learning mülakatında boyut indirgeme yöntemlerinin farklı yönlerini açıklayabilmek önemlidir. Büyük veri kümelerinin hesaplanması uzun sürer ve verindeki gürültü sonuçlarını saptırabilir.
Boyut indirgeme yollarından biri temel bileşen analizidir (PCA). Bu yöntem, veri kümesindeki en faydalı bilgiyi koruyan yeni özellikler oluşturarak verinin boyutunu etkili biçimde küçültürken aynı anda çoklu doğrusal bağlantıyı da ortadan kaldırır. Bu egzersizde, progression hedef değişkenini ayırırken diabetes veri kümesinin özellikleri üzerinde PCA yapmak için sklearn.decomposition modülünü kullanacaksın.
Boru hattında şu noktadasın:
Bu egzersiz, kursun bir parçasıdır
Python ile Machine Learning Mülakat Sorularını Pratik Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']