Introduction
Dans ce laboratoire, nous allons construire un pipeline pour la réduction de la dimensionalité et la classification en utilisant l'Analyse en Composantes Principales (PCA) et la Régression Logistique. Nous utiliserons la bibliothèque scikit-learn pour effectuer une réduction non supervisée de la dimensionalité sur l'ensemble de données des chiffres en utilisant la PCA. Nous utiliserons ensuite un modèle de régression logistique pour la classification. Nous utiliserons GridSearchCV pour définir la dimensionalité de la PCA et trouver la meilleure combinaison de la troncature de la PCA et de la régularisation du classifieur.
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 au carnet Jupyter pour la pratique.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn(("Sklearn")) -.-> sklearn/DataPreprocessingandFeatureEngineeringGroup(["Data Preprocessing and Feature Engineering"])
sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"])
sklearn(("Sklearn")) -.-> sklearn/AdvancedDataAnalysisandDimensionalityReductionGroup(["Advanced Data Analysis and Dimensionality Reduction"])
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/linear_model("Linear Models")
sklearn/DataPreprocessingandFeatureEngineeringGroup -.-> sklearn/preprocessing("Preprocessing and Normalization")
sklearn/DataPreprocessingandFeatureEngineeringGroup -.-> sklearn/pipeline("Pipeline")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/model_selection("Model Selection")
sklearn/AdvancedDataAnalysisandDimensionalityReductionGroup -.-> sklearn/decomposition("Matrix Decomposition")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/linear_model -.-> lab-49112{{"Tracer le pipeline des chiffres"}}
sklearn/preprocessing -.-> lab-49112{{"Tracer le pipeline des chiffres"}}
sklearn/pipeline -.-> lab-49112{{"Tracer le pipeline des chiffres"}}
sklearn/model_selection -.-> lab-49112{{"Tracer le pipeline des chiffres"}}
sklearn/decomposition -.-> lab-49112{{"Tracer le pipeline des chiffres"}}
ml/sklearn -.-> lab-49112{{"Tracer le pipeline des chiffres"}}
end