Сначала масштабирование, затем PCA
Почему здесь важна стандартизация
«Сначала масштабирование, затем PCA» — бесплатный урок Data Science Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Data Science Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Data Science Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
PCA Cares About Scale
PCA chases the largest variance, but variance depends on units. A feature in big numbers can dominate just because of its scale.
A Unit Trap
Imagine salary in dollars beside age in years. Salary varies in thousands, so PCA would treat it as far more important, unfairly.
Standardize First
The fix is standardization: rescale every feature to mean zero and unit variance so each starts on equal footing.
Use StandardScaler
In scikit-learn, StandardScaler centers and scales your columns before PCA ever sees them.
from sklearn.preprocessing import StandardScaler
Xs = StandardScaler().fit_transform(X)Then Fit PCA
Run PCA on the scaled data, never the raw data. Now each component reflects real structure, not lopsided units.
from sklearn.decomposition import PCA
scores = PCA(n_components=2).fit_transform(Xs)Centering Matters Too
PCA assumes data is centered at zero. Standardizing handles this by subtracting each column mean, so axes pass through the data center.
Chain It in a Pipeline
Wrap the scaler and PCA in a Pipeline so scaling always happens first and never leaks across your data splits.
from sklearn.pipeline import make_pipeline
pipe = make_pipeline(StandardScaler(), PCA(2))Fit on Train Only
Fit the scaler on training data, then reuse it on test data. Fitting on everything leaks information and inflates your scores.
When You May Skip It
If every feature already shares the same unit and range, scaling matters less. When unsure, standardize anyway; it rarely hurts.
Watch the Difference
Run PCA with and without scaling on mixed-unit data. The explained variance and top components will look strikingly different.
Robust Options Exist
With strong outliers, consider RobustScaler, which uses medians and quartiles so extreme points sway PCA less.
from sklearn.preprocessing import RobustScalerQuick Check
One step almost always comes right before PCA.
Recap
PCA is scale-sensitive, so standardize first, fit on training data only, and a pipeline keeps the order safe. 🎯
Часто задаваемые вопросы
Урок «Сначала масштабирование, затем PCA» бесплатный?
Да — полный текст урока «Сначала масштабирование, затем PCA» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Data Science Academy, подпишись на CoddyKit PRO. Курс Data Science Academy содержит 4 уроков всего.
Чему я научусь в уроке «Сначала масштабирование, затем PCA»?
Почему здесь важна стандартизация Ты практикуешь Data Science Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Data Science Academy?
Предыдущий опыт не требуется. Data Science Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.
Сколько времени занимает урок «Сначала масштабирование, затем PCA»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Data Science Academy?
Да. Каждый урок Data Science Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Проклятие слишком большого числа признаков
- Как PCA находит компоненты
- Сначала масштабирование, затем PCA
- Выбор компонентов с помощью графиков каменистой осыпи