Phân rã giá trị kỳ dị (SVD)
Trong bài tập trước, bạn đã thấy PCA hữu ích thế nào trong việc giảm số chiều của một tập dữ liệu khi gặp câu hỏi về dữ liệu có chiều cao trong phỏng vấn Machine Learning.
Trong bài tập này, bạn sẽ thực hành SVD trên diabetes. Bộ biến đổi này có thể xử lý hiệu quả ma trận thưa (sparse), trái ngược với PCA, và thực hiện giảm chiều tuyến tính bằng cách dùng phân rã giá trị kỳ dị rút gọn (truncated SVD).
Nhắc lại: phân rã giá trị kỳ dị lấy ma trận dữ liệu gốc, phân tách nó thành ba ma trận và dùng chúng để tính và trả về các singular values.
Cùng vị trí trong pipeline nhưng dùng kỹ thuật khác:
Bài tập này là một phần của khóa học
Luyện tập câu hỏi phỏng vấn Machine Learning bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']