تطبيق تحليل المكونات الرئيسية (PCA)

يتم تطبيق تحليل المكونات الرئيسية على مجموعة بيانات سرطان الثدي scikit-learn لتقليل أبعاد الميزة وتصور بنية المكون الرئيسي.

التصنيف
تعلم آلي
تاريخ الإنجاز
April 2025
التقنيات المستخدمة
Python 3 & Jupyter Notebook NumPy & pandas Matplotlib
ملف المشروع
غير مسموح بالتحميل إلا بإذن من أمين قحطان. تواصل معه للحصول على الإذن.

نظرة عامة على المشروع

يقوم دفتر الملاحظات بتحميل مجموعة بيانات سرطان الثدي عبر <code data-start=\"4904\" data-end=\"4926\" style=\"font-family: SFMono-Regular, Menlo, Monaco, Consolas, &quot;Liberation Mono&quot;, &quot;Courier New&quot;, 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, &quot;Liberation Mono&quot;, &quot;Courier New&quot;, 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, &quot;Liberation Mono&quot;, &quot;Courier New&quot;, 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.

معاينة ملف

استعرض ملف الخاص بالمشروع أدناه أو اطلب نسخة منه.

لا يمكن معاينة هذا النوع من الملفات مباشرة.