Dimensionality reduction

Python में Machine Learning के लिए Preprocessing

James Chapman

Curriculum Manager, DataCamp

Dimensionality reduction और PCA

  • Unsupervised learning method
  • फीचर स्पेस को जोड़ता/विभाजित करता है
  • फीचर एक्सट्रैक्शन - यहाँ हम फीचर स्पेस घटाने के लिए उपयोग करेंगे
  • Principal component analysis
  • अनकोरिलेटेड स्पेस में लीनियर ट्रांसफॉर्मेशन
  • हर कंपोनेंट में अधिकतम variance कैप्चर करता है
Python में Machine Learning के लिए Preprocessing

scikit-learn में PCA

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, ...]
Python में Machine Learning के लिए Preprocessing

PCA की सीमाएँ

  • कंपोनेंट्स को समझना कठिन
  • प्रीप्रोसेसिंग यात्रा का समापन
Python में Machine Learning के लिए Preprocessing

अभ्यास करते हैं!

Python में Machine Learning के लिए Preprocessing

Preparing Video For Download...