March 2019
Intermediate to advanced
256 pages
4h 57m
French
Plusieurs techniques sont disponibles pour décomposer des caractéristiques afin d’obtenir un sous-ensemble moins grand. Ce genre de traitement est utile dans les analyses exploratoires de données, dans la visualisation, dans la création de modèles prédictifs et dans le partitionnement ou regroupement (clustering).
Nous allons dans ce chapitre travailler sur le jeu de données Titanic pour découvrir plusieurs techniques : PCA, UMAP, t-SNE et PHATE.
Voici d’abord les données de travail :
>>> ti_df = tweak_titanic(orig_df) >>> std_cols = "pclass,age,sibsp,fare".split(",") >>> X_train, X_test, y_train, y_test = get_train_test_X_y( ... ti_df, "survived", std_cols=std_cols ... ) >>> X = pd.concat([X_train, X_test]) ...Read now
Unlock full access