PCA сохраняет дисперсию, но ухудшает прогноз
После уменьшения размерности почти вся дисперсия сохранилась, а ошибка прогноза выросла. Разберите, какую проверку следует использовать при выборе числа компонент для задачи регрессии.
Выберите ответ и проверьте себя. Продолжить тему можно в курсе Классическое машинное обучение: алгоритмы и практика на Python.
Модель с одной компонентой PCA сохранила 99.7% дисперсии признаков X, но ошибка MAE на валидации выросла в десятки раз по сравнению с бейзлайном. Какой критерий должен определять выбор числа компонент для задачи прогноза?
Без регистрации · результат не сохраняется
