BaşlayınÜcretsiz başlayın

Tahıl ölçümlerini PCA ile ilişkisizleştirme

Önceki egzersizde, tahılın genişlik ve uzunluk ölçümlerinin ilişkili olduğunu gözlemledin. Şimdi bu ölçümleri PCA ile ilişkisizleştirip, ilişkisizleştirilmiş noktaları çizecek ve bunların Pearson korelasyonunu ölçeceksin.

Bu egzersiz, kursun bir parçasıdır

Python'da Unsupervised Learning

Kursa Göz Atın

Egzersiz talimatları

  • sklearn.decomposition içinden PCAyı içe aktar.
  • model adlı bir PCA örneği oluştur.
  • PCA dönüşümünü grains üzerine uygulamak için modelın .fit_transform() metodunu kullan. Sonucu pca_features değişkenine ata.
  • İlk iki sütunu pca_features olan verileri çıkarmak, çizmek ve Pearson korelasyonunu hesaplamak için gereken kod hazır. Sonucu görmek için göndere bas!

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Import PCA
____

# Create PCA instance: model
model = ____

# Apply the fit_transform method of model to grains: pca_features
pca_features = ____

# Assign 0th column of pca_features: xs
xs = pca_features[:,0]

# Assign 1st column of pca_features: ys
ys = pca_features[:,1]

# Scatter plot xs vs ys
plt.scatter(xs, ys)
plt.axis('equal')
plt.show()

# Calculate the Pearson correlation of xs and ys
correlation, pvalue = pearsonr(xs, ys)

# Display the correlation
print(correlation)
Kodu Düzenle ve Çalıştır