Principal Component Analysis with NumPy

4.6
225件の評価
提供:
Coursera Project Network
5,745人がすでに登録済みです
このガイド付きプロジェクトでは、次のことを行います。

Implement Principal Component Analysis (PCA) from scratch with NumPy and Python

Conduct basic exploratory data analysis (EDA)

Create simple data visualizations with Seaborn and Matplotlib

Clock1.5 hours
Intermediate中級
Cloudダウンロード不要
Video分割画面ビデオ
Comment Dots英語
Laptopデスクトップのみ

Welcome to this 2 hour long project-based course on Principal Component Analysis with NumPy and Python. In this project, you will do all the machine learning without using any of the popular machine learning libraries such as scikit-learn and statsmodels. The aim of this project and is to implement all the machinery of the various learning algorithms yourself, so you have a deeper understanding of the fundamentals. By the time you complete this project, you will be able to implement and apply PCA from scratch using NumPy in Python, conduct basic exploratory data analysis, and create simple data visualizations with Seaborn and Matplotlib. The prerequisites for this project are prior programming experience in Python and a basic understanding of machine learning theory. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, NumPy, and Seaborn pre-installed.

あなたが開発するスキル

Data SciencePython ProgrammingSeabornNumpyPCA

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Introduction and Overview

  2. Load the Data and Libraries

  3. Visualize the Data

  4. Data Standardization

  5. Compute the Eigenvectors and Eigenvalues

  6. Singular Value Decomposition (SVD)

  7. Selecting Principal Components Using the Explained Variance

  8. Project Data Onto a Lower-Dimensional Linear Subspace

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

レビュー

PRINCIPAL COMPONENT ANALYSIS WITH NUMPY からの人気レビュー

すべてのレビューを見る

よくある質問

よくある質問

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。