PCA для дослідження ознак

Ви використаєте конвеєр PCA, який зібрали у попередній вправі, щоб візуально дослідити, як деякі категоріальні ознаки пов'язані з дисперсією в poke_df. Ці категоріальні ознаки (Type і Legendary) містяться в окремому датафреймі poke_cat_df.

Усі потрібні пакети та класи вже імпортовано для вас (Pipeline(), StandardScaler(), PCA()).

Ця вправа є частиною курсу

Зменшення розмірності в Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Build the pipeline
pipe = Pipeline([('scaler', StandardScaler()),
                 ('reducer', PCA(n_components=2))])

# Fit the pipeline to poke_df and transform the data
pc = ____

print(pc)

Редагувати та запускати код