使用 PCA 視覺化類別分離 I

在機器學習面試中，常見的題目是：PCA 後如何視覺化降維結果。本練習要你繪製 loan_data 的前 2 個主成分，來觀察在這兩個成分上，貸款狀態為「已全額償還」或「核銷」的類別分離情形。

loan_data 資料集已經過縮放與 one-hot 編碼，也就是把類別變數轉成二元指標。因為在進行 PCA 前，特徵應該在相同尺度且為數值型。

我們已為你建立了具有 2 個主成分（PCs）的 PCA 模型，並設定好含 x、y 標籤與標題的圖表。你會在練習中使用名為 loan_data_PCA 的 DataFrame。目標變數 Loan Status 的可能值為 0 與 1。你將把 PC1 畫在 x 軸、PC2 畫在 y 軸。

已為你匯入 matplotlib.pyplot 為 plt、seaborn 為 sns，以及從 sklearn.decomposition 匯入 PCA。

本練習屬於課程

用 Python 練習機器學習面試題

檢視課程

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

targets = [____, ____]
colors = ['r', 'b']

# For loop to create plot
for target, color in zip(____, ____):
    indicesToKeep = ____['____'] == ____

編輯並執行程式碼