Giảm chiều

Tiền xử lý cho Machine Learning bằng Python

James Chapman

Curriculum Manager, DataCamp

Giảm chiều và PCA

Phương pháp học không giám sát
Kết hợp/phi phân tích không gian đặc trưng
Trích xuất đặc trưng - ở đây dùng để giảm không gian đặc trưng

Phân tích thành phần chính
Biến đổi tuyến tính sang không gian không tương quan
Giữ được càng nhiều phương sai càng tốt trong mỗi thành phần

PCA trong scikit-learn

from sklearn.decomposition import PCA
pca = PCA()
df_pca = pca.fit_transform(df)


print(df_pca)

[88.4583, 18.7764, -2.2379, ..., 0.0954, 0.0361, -0.0034],
[93.4564, 18.6709, -1.7887, ..., -0.0509, 0.1331, 0.0119],
[-186.9433, -0.2133, -5.6307, ..., 0.0332, 0.0271, 0.0055]

print(pca.explained_variance_ratio_)

[0.9981, 0.0017, 0.0001, 0.0001, ...]

Lưu ý khi dùng PCA

Khó diễn giải các thành phần
Kết thúc hành trình tiền xử lý

Cùng luyện tập nào!

Tiền xử lý cho Machine Learning bằng Python