主成分の決定 – 特異値分解 (SVD)

次のコードで空欄になっている行に入る適切な選択肢を選び、3 次元データに対する PCA を実装してください．

import numpy as np
# Q1：PCA クラスをインポートしてください．
from ########## import PCA

[Q1 選択肢]
1. sklearn.metrics
2. sklearn.components
3. sklearn.model_selection
4. sklearn.decomposition

np.random.seed(4)
m = 60
w1, w2 = 0.1, 0.3
noise = 0.1

angles = np.random.rand(m) * 3 * np.pi / 2 – 0.5
X = np.empty((m, 3))
X[:, 0] = np.cos(angles) + np.sin(angles)/2 + noise * np.random.randn(m) / 2
X[:, 1] = np.sin(angles) * 0.7 + noise * np.random.randn(m) / 2
X[:, 2] = X[:, 0] * w1 + X[:, 1] * w2 + noise * np.random.randn(m)

# Q1：PCA() クラスを用いて、3 次元データ X を 2 次元へ次元削減してください．
pca = ##########
X2D = pca.fit_transform(X)
print(X2D[:5])

[Q1の選択肢]
1. PCA(n_dims = 2)
2. PCA(n_components = 2)
3. PCA(2)