奇异值分解
在上一个练习中，您看到当面试问题涉及高维数据时，PCA 如何有效降低数据集的维度。
在本练习中，您将对 diabetes 数据集练习使用 SVD。与 PCA 不同，这个变换器对稀疏矩阵也能高效工作，并通过截断奇异值分解来执行线性降维。
回顾一下，奇异值分解会将原始数据矩阵分解为 3 个矩阵，并据此计算并返回奇异值。
同一条流水线中的不同技术：
本练习是课程的一部分
用 Python 练习机器学习面试题
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import module
from ____.____ import ____
# Feature matrix and target array
X = ____.____('____', axis=1)
y = ____['____']