يتم تطبيق تحليل المكونات الرئيسية على مجموعة بيانات سرطان الثدي scikit-learn لتقليل أبعاد الميزة وتصور بنية المكون الرئيسي.
يقوم دفتر الملاحظات بتحميل مجموعة بيانات سرطان الثدي عبر <code data-start=\"4904\" data-end=\"4926\" style=\"font-family: SFMono-Regular, Menlo, Monaco, Consolas, "Liberation Mono", "Courier New", monospace; color: rgb(214, 51, 132);\">load_breast_cancer()</code>، ويقوم بتوسيع نطاق جميع الميزات باستخدام <code data-start=\"4953\" data-end=\"4969\" style=\"font-family: SFMono-Regular, Menlo, Monaco, Consolas, "Liberation Mono", "Courier New", monospace; color: rgb(214, 51, 132);\">StandardScaler</code>، ثم يُلائم <code data-start=\"4981\" data-end=\"4986\" style=\"font-family: SFMono-Regular, Menlo, Monaco, Consolas, "Liberation Mono", "Courier New", monospace; color: rgb(214, 51, 132);\">PCA</code> لالتقاط المكونات الرئيسية. يدرس هذا التحليل نسب التباين الموضح، ويُسقط البيانات على المكونين الأولين لتصور مخطط التشتت، ويناقش مقدار التباين الذي تحتفظ به المكونات المتتالية.
استعرض ملف الخاص بالمشروع أدناه أو اطلب نسخة منه.