Sélection de variables vs. extraction de variables

Réduction de dimension en Python

Jeroen Boeye

Head of Machine Learning, Faktion

Pourquoi réduire la dimension ?

 

Votre jeu de données sera :
  • moins complexe
  • moins gourmand en espace disque
  • plus rapide à calculer
  • moins sujet au surapprentissage du modèle
Réduction de dimension en Python

Sélection de variables

revenu âge couleur préférée

Réduction de dimension en Python

Sélection de variables

variable supprimée

insurance_df.drop('favorite color', axis=1)
Réduction de dimension en Python

Créer un pairplot sur les données ANSUR

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

pairplot du corps

Réduction de dimension en Python

Créer un pairplot sur les données ANSUR

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

pairplot du corps annoté

Réduction de dimension en Python

Créer un pairplot sur les données ANSUR

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

pairplot constant

Réduction de dimension en Python

Sélection de variables

Schéma de sélection de variables

Réduction de dimension en Python

Sélection de variables

Schéma de sélection de variables

Extraction de variables

Schéma d'extraction de variables

Réduction de dimension en Python

Extraction de variables – Exemple

pairplot 4 vs 4

Réduction de dimension en Python

Extraction de variables – Exemple

pairplot transformé par ACP

Réduction de dimension en Python

Passons à la pratique !

Réduction de dimension en Python

Preparing Video For Download...