ПочатиПочніть безкоштовно

Перша головна компонента

Перша головна компонента даних — це напрям, у якому дані мають найбільшу варіацію. У цій вправі вам потрібно скористатися PCA, щоб знайти першу головну компоненту для вимірювань довжини та ширини зразків зерна і показати її на точковій діаграмі у вигляді стрілки.

Масив grains містить довжину та ширину зразків зерна. PyPlot (plt) і PCA уже імпортовано для вас.

Ця вправа є частиною курсу

Наглядове навчання в Python

Переглянути курс

Інструкції до вправи

  • Побудуйте точкову діаграму вимірювань зерна. Це вже зроблено за вас.
  • Створіть екземпляр PCA з назвою model.
  • Навчіть модель на даних grains.
  • Витягніть координати середнього значення даних за допомогою атрибута .mean_ об'єкта model.
  • Отримайте першу головну компоненту моделі через атрибут .components_[0,:].
  • Відобразіть першу головну компоненту як стрілку на точковій діаграмі за допомогою функції plt.arrow(). Потрібно вказати перші два аргументи — mean[0] і mean[1].

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Make a scatter plot of the untransformed points
plt.scatter(grains[:,0], grains[:,1])

# Create a PCA instance: model
model = ____

# Fit model to points
____

# Get the mean of the grain samples: mean
mean = ____

# Get the first principal component: first_pc
first_pc = ____

# Plot first_pc as an arrow, starting at mean
plt.arrow(____, ____, first_pc[0], first_pc[1], color='red', width=0.01)

# Keep axes on same scale
plt.axis('equal')
plt.show()
Редагувати та запускати код