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

Exercise

Візуалізація розділення класів за допомогою PCA I

Поширене запитання на співбесіді з машинного навчання — як візуалізувати простір після PCA. У цій вправі ви саме це й зробите: побудуєте графік перших двох головних компонент для loan_data, щоб побачити, як класи розділяються за цими компонентами залежно від того, чи позику було повністю погашено або списано.

Набір даних loan_data уже масштабровано та перетворено методом one-hot encoding, тобто категоріальні змінні перетворено на бінарні індикатори, адже перед PCA ознаки мають бути в одній шкалі та числовими.

Для вас уже налаштовано модель PCA з 2 головними компонентами, а також підписано осі x та y і заголовок графіка. У вправах ви використовуватимете датафрейм loan_data_PCA. Можливі значення цільової змінної Loan Status — 0 і 1. Ви зобразите PC1 на осі x та PC2 на осі y.

Вже імпортовано: matplotlib.pyplot як plt, seaborn як sns, PCA з sklearn.decomposition.

Instructions 1/3

undefined XP
    1
    2
    3
  • Призначте значення цільової змінної до списку targets.
  • Передайте щойно створені списки у функцію zip() всередині циклу for.
  • Передайте до indicesToKeep ті випадки, де Loan Status дорівнює target.