Trực quan hóa sự tách biệt lớp bằng PCA I
Một câu hỏi thường gặp trong phỏng vấn Machine Learning là cách trực quan hóa dữ liệu sau khi áp dụng PCA. Trong bài tập này, bạn sẽ làm điều đó bằng cách vẽ 2 thành phần chính đầu tiên của loan_data để quan sát mức độ tách biệt giữa các lớp theo việc khoản vay đã được hoàn tất thanh toán hay bị xóa nợ.
Bộ dữ liệu loan_data đã được scale và one-hot encode, nghĩa là các biến phân loại đã được chuyển thành biến nhị phân, vì các đặc trưng cần cùng thang đo và ở dạng số trước khi thực hiện PCA.
Một mô hình PCA với 2 thành phần chính và phần thiết lập biểu đồ với nhãn trục x, y và tiêu đề đã được chuẩn bị sẵn cho bạn. Bạn sẽ sử dụng DataFrame tên loan_data_PCA trong bài tập. Các giá trị có thể có của biến mục tiêu Loan Status là 0 và 1. Bạn sẽ vẽ PC1 trên trục x và PC2 trên trục y.
Đã được import sẵn cho bạn: matplotlib.pyplot là plt, seaborn là sns, PCA từ sklearn.decomposition.
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.
targets = [____, ____]
colors = ['r', 'b']
# For loop to create plot
for target, color in zip(____, ____):
indicesToKeep = ____['____'] == ____