Analyse en composantes principales incrémentales sur l'ensemble de données Iris

# Introduction

Ce laboratoire vous guidera dans un processus étape par étape d'utilisation de l'algorithme d'analyse en composantes principales incrémentales (IPCA) pour effectuer une réduction de dimensionnalité sur l'ensemble de données Iris. L'IPCA est utilisé lorsque l'ensemble de données est trop grand pour tenir en mémoire et nécessite une approche incrémentale. Nous comparerons les résultats de l'IPCA avec l'algorithme de PCA traditionnel.

## Conseils sur la machine virtuelle

Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet **Carnet de notes** pour accéder à Jupyter Notebook pour la pratique.

Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.

Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous réglerons rapidement le problème pour vous.