ПочатиПочніть безкоштовно

Використання PCA

У цій вправі ви застосуєте PCA до набору даних wine, щоб перевірити, чи можна підвищити точність моделі.

Ця вправа є частиною курсу

Передобробка для машинного навчання в Python

Переглянути курс

Інструкції до вправи

  • Створіть об'єкт PCA.
  • Визначте ознаки (X) і мітки (y) з wine, використовуючи мітки у стовпці "Type".
  • Застосуйте PCA до X_train і X_test, уникаючи витоку даних, і збережіть перетворені значення як pca_X_train та pca_X_test.
  • Виведіть атрибут .explained_variance_ratio_ об'єкта pca, щоб перевірити, яку частку дисперсії пояснює кожна компонента.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Instantiate a PCA object
pca = ____()

# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)

# Look at the percentage of variance explained by the different components
print(____)
Редагувати та запускати код