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:
from sklearn.decomposition import PCA
pca_model = PCA(n_components = 2)
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():
pca_model = PCA(n_components = 2)
# fit() and transform()
pca_model.fit(X)
X_reduced = pca_model.transform(X)
# fit_transform()
X_reduced = pca_model.fit_transform(X)
Якщо ми хочемо отримати компоненти, які обчислив алгоритм, виклимо атрибут .components_:
print(pca_model.components_)
Swipe to start coding
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 5.26Scikit-learn для PCA
Свайпніть щоб показати меню
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:
from sklearn.decomposition import PCA
pca_model = PCA(n_components = 2)
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():
pca_model = PCA(n_components = 2)
# fit() and transform()
pca_model.fit(X)
X_reduced = pca_model.transform(X)
# fit_transform()
X_reduced = pca_model.fit_transform(X)
Якщо ми хочемо отримати компоненти, які обчислив алгоритм, виклимо атрибут .components_:
print(pca_model.components_)
Swipe to start coding
Імпортувати клас PCA з бібліотеки scikit-learn і створити PCA модель для набору даних iris з 2 компонентами.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
single
