1. Learn
    2. /
  2. Курси
    3. /
  3. Наглядове навчання в Python
Connected

вправа

Дисперсія ознак PCA

Набір даних про риб має 6 вимірів. Але якою є його внутрішня розмірність? Побудуйте графік дисперсій ознак PCA, щоб це з'ясувати. Як і раніше, samples — це двовимірний масив, де кожен рядок відповідає одній рибі. Спершу потрібно стандартизувати ознаки.

Інструкції

100 XP
  • Створіть екземпляр StandardScaler з назвою scaler.
  • Створіть екземпляр PCA з назвою pca.
  • Скористайтеся функцією make_pipeline(), щоб побудувати конвеєр, що послідовно застосовує scaler і pca.
  • Використайте метод .fit() об'єкта pipeline, щоб навчити його на вибірці риб samples.
  • Витягніть кількість використаних компонент за допомогою атрибута .n_components_ об'єкта pca. Передайте це значення у функцію range() і збережіть результат у змінній features.
  • Використайте функцію plt.bar(), щоб побудувати стовпчикову діаграму пояснених дисперсій: features — по осі x, pca.explained_variance_ — по осі y.