Scegliere le componenti con gli scree plot
Conservare una quantità sufficiente di varianza spiegata.
Scegliere le componenti con gli scree plot è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Quante conservarne?
PCA può restituire decine di componenti, ma Lei ne vuole solo alcune utili. La vera abilità consiste nello scegliere quante conservarne.
Ecco lo scree plot
Uno scree plot rappresenta ogni componente rispetto alla varianza spiegata, permettendo di vedere a colpo d'occhio il calo d'importanza.
Cercare il gomito
La varianza diminuisce rapidamente, poi si stabilizza in una coda piatta. La curva, chiamata gomito, indica il punto oltre il quale le componenti aggiuntive non convengono più.
Rappresentare i rapporti
Esegua il fit di PCA con tutte le componenti, poi rappresenti explained_variance_ratio_ per tracciare la curva e individuare quel gomito.
import matplotlib.pyplot as plt
plt.plot(pca.explained_variance_ratio_)Varianza cumulativa
Sommi progressivamente i rapporti per ottenere la varianza cumulativa, che mostra la quantità totale di informazione conservata dai primi k componenti.
import numpy as np
cum = np.cumsum(pca.explained_variance_ratio_)Scelga una soglia
Una regola comune consiste nel conservare un numero sufficiente di componenti per raggiungere un obiettivo, ad esempio il 95 percento della varianza totale conservata.
Lasci scegliere a scikit-learn
Passi una frazione come n_components: scikit-learn conserverà il numero sufficiente di componenti per raggiungere l'obiettivo di varianza spiegata.
from sklearn.decomposition import PCA
pca = PCA(n_components=0.95).fit(X)La regola di Kaiser
Un'altra guida, la regola di Kaiser, conserva i componenti il cui autovalore supera uno, cioè quelli che spiegano più di una singola feature.
Bilanci il compromesso
Un numero minore di componenti produce modelli più semplici e veloci, ma con una maggiore perdita di dettaglio. La scelta di k è sempre un compromesso tra dimensioni e fedeltà.
Convalidi a valle
Il valore di k migliore è quello che aiuta nell'attività reale. Provi diversi valori e confronti i punteggi del modello con la convalida incrociata.
Faccia attenzione ai componenti marginali
I componenti oltre il gomito spesso catturano soprattutto rumore. Conservarli raramente aiuta e può danneggiare silenziosamente il modello.
Controllo rapido
Il grafico scree indica un punto rivelatore.
Riepilogo
Utilizzi un grafico scree, il gomito o una soglia di varianza cumulativa per conservare solo i componenti necessari, quindi convalidi k a valle. 🎯
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Scegliere le componenti con gli scree plot» è gratuita?
Sì — il testo completo di «Scegliere le componenti con gli scree plot» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «Scegliere le componenti con gli scree plot»?
Conservare una quantità sufficiente di varianza spiegata. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Scegliere le componenti con gli scree plot»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- La maledizione delle troppe feature
- Come PCA trova le componenti
- Scalare prima, adattare PCA dopo
- Scegliere le componenti con gli scree plot