使用 PCA
在這個練習中，你將對 wine 資料集套用 PCA，看看是否能提升模型的準確率。
本練習屬於課程
Python 的 Machine Learning 前處理
練習說明
- 建立一個
PCA物件。 - 從
wine中定義特徵（X）與標籤（y），標籤使用"Type"欄位。 - 將 PCA 套用到
X_train與X_test，確保沒有資料外洩，並將轉換後的值分別儲存為pca_X_train與pca_X_test。 - 列印
pca的.explained_variance_ratio_屬性，檢查每個主成分解釋的變異比例。
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。
# Instantiate a PCA object
pca = ____()
# Define the features and labels from the wine dataset
X = wine.drop(____, ____)
y = wine["Type"]
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)
# Apply PCA to the wine dataset X vector
pca_X_train = ___.____(____)
pca_X_test = ___.____(____)
# Look at the percentage of variance explained by the different components
print(____)