Análise de Componentes Principais (PCA) em Python - Machine Learning 24.2

Sobre esta lección

Nesse vídeo você vai ver dois exemplos reais de uso do PCA (Principal Component Analysis) em projetos para Machine Learning com Python e a Sklearn! Ao longo do vídeo, você também vai saber: ➡️ quando aplicar o PCA e como obter o máximo dele; ➡️ as vantagens e as desvantagens do seu uso; ➡️ em qual etapa e quais cuidados você deve ter ao incorporar o PCA num código; ➡️ como usar o PCA para visualização 2D; OBS: Talvez o vídeo dê a entender que o PCA pode ser usado para agrupamento, mas não é o caso. Alguma relação existe, já que você pode transformar as dimensões dos seus dados para facilitar na hora de aplicar um algoritmo de agrupamento, mas ele por si só não faz isso sozinho. 🕘Minutagem: 00:00 - Apresentação e Recados 03:04 - 1º Projeto: Base de Dados Estelar 05:42 - 1º Projeto: Código-Fonte sem PCA 20:04 - 1º Projeto: Código-Fonte com PCA 29:57 - 1º Projeto: Visualização de Dados 2D (PCA) 38:51 - 2º Projeto: Classificação de Preços Mobile sem PCA 43:36 - 2º Projeto: Classificação com PCA 46:27 - 2º Projeto: Visualização de Dados 2D (PCA) 48:57 - Encerramento 📚Fontes e Links Sugeridos: ◽https://www.kaggle.com/fedesoriano/stellar-classification-dataset-sdss17 ◽https://towardsdatascience.com/pca-clearly-explained-how-when-why-to-use-it-and-feature-importance-a-guide-in-python-7c274582c37e#:~:text=When%2FWhy%20to%20use%20PCA,for%20denoising%20and%20data%20compression. ◽https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html ◽https://towardsdatascience.com/pca-using-python-scikit-learn-e653f8989e60 ◽https://www.kaggle.com/iabhishekofficial/mobile-price-classification 💻Código-fonte do exemplo: ◽https://github.com/lucaslattari/MachineLearningSeries/tree/master/Ep%2024 📹Vídeos anteriores (importante assistir antes desse): ◽Análise de Componentes Principais (PCA) Teoria - Machine Learning 24.1: https://youtu.be/l4lLePmDIGE ◽Criar um Projeto Data Science do zero em 2021 usando Python, Git e Virtualenv (Windows): https://www.youtube.com/watch?v=dBZZ3I9GqLE ◽1 hora de Análise de Dados com Pokémon! - Python e Pandas: https://www.youtube.com/watch?v=vUKlxXpvt3I ◽Variáveis Categóricas e Separação em Teste e Treino (Áudio Melhorado) - Machine Learning 02: https://www.youtube.com/watch?v=OKKFSMKj76M ◽Regressão Logística - Machine Learning 12: https://www.youtube.com/watch?v=DMDY0Gar7Fw 🎞Playlist de Machine Learning: ◽https://www.youtube.com/playlist?list=PL-t7zzWJWPtz29fAf72nG3KTJrRdvCmgn 🎵Músicas usadas: ◽https://ericskiff.com/music/ ◽https://www.youtube.com/watch?v=0he3R37nALM ◽https://www.youtube.com/watch?v=89-LHf3fRnM 🤩Seja membro: ◽https://www.youtube.com/channel/UCEn6kONg6EC_Ylh0RlInsMw/join 📱Todas as redes: ◽https://linktr.ee/universodiscreto 💬Grupo no Telegram pros inscritos: ◽https://t.me/joinchat/FT23REfCj9SWm0wZ1TE28w 🌎Blog do Canal: ◽https://universodiscreto.com 💵Meu Pix: ◽universodiscretopix@gmail.com 📮Caixa Postal: Lucas Grassano Lattari Caixa Postal 74 36180-000 Rio Pomba - MG