تعلم آلي

تطبيق تحليل المكونات الرئيسية (PCA)

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

06/04/2025 م. أمين قحطان

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 الملف / المشروع

معاينة فقط — التحميل والطباعة معطّلان
تطبيق تحليل المكونات الرئيسية (PCA)
معلومات المشروع
التصنيف
تعلم آلي
تاريخ الإنجاز
06/04/2025
التقنيات المستخدمة
Python 3 & Jupyter Notebook NumPy & pandas Matplotlib