#26. Сокращение размерности признакового пространства с помощью PCA | Машинное обучение

Описание

Практический курс по ML на Stepik: https://stepik.org/course/209247/

Устранение линейно зависимых признаков с помощью метода главных компонент (PCA – principal component analysis). Отличие и общность такого подхода от L2-регуляризатора.

Инфо-сайт: https://proproprogs.ru/ml
Телеграм-канал: https://t.me/machine_learning_selfedu

machine_learning_26.py: https://github.com/selfedu-rus/machine_learning