1. Learn
    2. /
  2. Курси
    3. /
  3. Практика співбесід з Machine Learning у Python
Connected

Вправа

Аналіз головних компонент

У двох попередніх розділах ви розглянули різні способи зменшення розмірності набору даних, зокрема регуляризацію та відбір ознак. На співбесіді з машинного навчання важливо вміти пояснити різні підходи до зменшення розмірності. Великі набори даних довго обчислюються, а шум у даних може спотворювати результати.

Один зі способів зменшення розмірності — аналіз головних компонент (PCA). Це ефективний метод скорочення розміру даних шляхом створення нових ознак, які зберігають найбільш корисну інформацію про набір даних і водночас усувають мультиколінеарність. У цій вправі ви використаєте модуль sklearn.decomposition, щоб виконати PCA над ознаками набору даних diabetes, ізольовуючи цільову змінну progression.

Ось де ви перебуваєте в конвеєрі:

Machine learning pipeline

Інструкції 1/4

undefined XP
    1
    2
    3
    4
  • Імпортуйте потрібний модуль для виконання PCA.
  • Створіть матрицю ознак X і цільовий масив y з progression із набору даних diabetes.