Зміст курсу
Метод Головних Компонент
Метод Головних Компонент
Scikit-learn для PCA
Ми розібралися з реалізацією алгоритму PCA за допомогою бібліотеки numpy. За допомогою Scikit-learn ми можемо почати використовувати цей метод всього з одного рядка коду:
PCA - це клас бібліотеки scikit-learn. Він містить більше 5 аргументів, але нас найбільше цікавить лише один - n_components. Цей аргумент відповідає за кількість основних компонентів, які ми хочемо отримати. Єдина умова - кількість компонент, звичайно ж, має бути не меншою за кількість змінних у наборі даних.
Клас PCA містить 2 основні методи, які ми будемо використовувати: fit і transform. Метод fit() завантажує дані в клас, а метод transform() перетворює їх, і ми отримуємо результат роботи алгоритму PCA. Якщо ми хочемо об'єднати ці 2 операції, використаємо метод fit_transform():
Якщо ми хочемо отримати компоненти, які обчислив алгоритм, виклимо атрибут .components_:
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівВсе було зрозуміло?
Scikit-learn для PCA
Ми розібралися з реалізацією алгоритму PCA за допомогою бібліотеки numpy. За допомогою Scikit-learn ми можемо почати використовувати цей метод всього з одного рядка коду:
PCA - це клас бібліотеки scikit-learn. Він містить більше 5 аргументів, але нас найбільше цікавить лише один - n_components. Цей аргумент відповідає за кількість основних компонентів, які ми хочемо отримати. Єдина умова - кількість компонент, звичайно ж, має бути не меншою за кількість змінних у наборі даних.
Клас PCA містить 2 основні методи, які ми будемо використовувати: fit і transform. Метод fit() завантажує дані в клас, а метод transform() перетворює їх, і ми отримуємо результат роботи алгоритму PCA. Якщо ми хочемо об'єднати ці 2 операції, використаємо метод fit_transform():
Якщо ми хочемо отримати компоненти, які обчислив алгоритм, виклимо атрибут .components_:
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівВсе було зрозуміло?
Scikit-learn для PCA
Ми розібралися з реалізацією алгоритму PCA за допомогою бібліотеки numpy. За допомогою Scikit-learn ми можемо почати використовувати цей метод всього з одного рядка коду:
PCA - це клас бібліотеки scikit-learn. Він містить більше 5 аргументів, але нас найбільше цікавить лише один - n_components. Цей аргумент відповідає за кількість основних компонентів, які ми хочемо отримати. Єдина умова - кількість компонент, звичайно ж, має бути не меншою за кількість змінних у наборі даних.
Клас PCA містить 2 основні методи, які ми будемо використовувати: fit і transform. Метод fit() завантажує дані в клас, а метод transform() перетворює їх, і ми отримуємо результат роботи алгоритму PCA. Якщо ми хочемо об'єднати ці 2 операції, використаємо метод fit_transform():
Якщо ми хочемо отримати компоненти, які обчислив алгоритм, виклимо атрибут .components_:
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівВсе було зрозуміло?
Ми розібралися з реалізацією алгоритму PCA за допомогою бібліотеки numpy. За допомогою Scikit-learn ми можемо почати використовувати цей метод всього з одного рядка коду:
PCA - це клас бібліотеки scikit-learn. Він містить більше 5 аргументів, але нас найбільше цікавить лише один - n_components. Цей аргумент відповідає за кількість основних компонентів, які ми хочемо отримати. Єдина умова - кількість компонент, звичайно ж, має бути не меншою за кількість змінних у наборі даних.
Клас PCA містить 2 основні методи, які ми будемо використовувати: fit і transform. Метод fit() завантажує дані в клас, а метод transform() перетворює їх, і ми отримуємо результат роботи алгоритму PCA. Якщо ми хочемо об'єднати ці 2 операції, використаємо метод fit_transform():
Якщо ми хочемо отримати компоненти, які обчислив алгоритм, виклимо атрибут .components_:
Завдання
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів