使用 PCA
在本练习中，您将把 PCA 应用于 wine 数据集，看看是否可以提升模型的准确率。
本练习是课程的一部分
Python 中的机器学习预处理
练习说明
- 实例化一个
PCA对象。 - 从
wine中定义特征 (X) 和标签 (y)，其中标签来自"Type"列。 - 将 PCA 应用于
X_train和X_test，确保不发生数据泄漏，并将转换后的值分别保存为pca_X_train和pca_X_test。 - 打印
pca的.explained_variance_ratio_属性，以检查每个主成分解释了多少方差。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(____)