Sınıfların PCA ile görselleştirilmesi I
Bir Machine Learning mülakatında sıkça karşılaşabileceğin sorulardan biri, PCA sonrası boyut indirgeme sonuçlarını nasıl görselleştireceğindir. Bu egzersizde tam olarak bunu yapacak, loan_data veri kümesinin ilk 2 temel bileşenini (principal components) çizerek, kredinin tam ödenip ödenmediğine (fully paid vs. charged off) göre sınıf ayrımını görselleştireceksin.
loan_data veri kümesi ölçeklendirildi ve one-hot encoding uygulandı; yani, kategorik değişkenler ikili göstergelere dönüştürüldü. Çünkü PCA'dan önce özelliklerin aynı ölçekte ve sayısal olması gerekir.
2 bileşenli bir PCA modeli ile x ve y eksen etiketleri ve başlığı ayarlanmış bir grafik senin için hazırlandı. Egzersizlerde loan_data_PCA adlı bir DataFrame kullanacaksın. Hedef değişken Loan Status için olası değerler 0 ve 1'dir. X ekseninde PC1'i, y ekseninde PC2'yi çizeceksin.
Senin için zaten içe aktarılan paketler: matplotlib.pyplot plt olarak, seaborn sns olarak ve sklearn.decomposition içinden PCA.
Bu egzersiz, kursun bir parçasıdır
Python ile Machine Learning Mülakat Sorularını Pratik Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
targets = [____, ____]
colors = ['r', 'b']
# For loop to create plot
for target, color in zip(____, ____):
indicesToKeep = ____['____'] == ____