- author: Guillermo Cabrera
- date: 'Nov 2024'
- title: Reducción de dimensionalidad / PCA (Core)
- course: Advance Machine Learning
- format: '.ipynb', '.py', 'csv'
Ejecutar el archivo .ipynb para visualizar los resultados.
El propósito de este proyecto es reducir la dimensionalidad mediante el Análisis de Componentes Principales (PCA). Este enfoque permitirá identificar los componentes principales que capturan la mayor parte de la variabilidad en el dataset y analizar su impacto en la simplificación del análisis y modelado de datos.
El dataset utilizado, "Wine Quality", disponible en Kaggle, contiene 12 variables químicas (como pH, nivel de acidez y contenido de alcohol) que influyen en la calidad del vino.
- exploración inicial de las variables.
- Normalización de las variables.
- Implementacion PCA.
- Analisis del número óptimo de componentes.