Negatif olmayan matris ayrıştırma (NMF)

Python'da Unsupervised Learning

Benjamin Wilson

Director of Research at lateral.io

Negatif olmayan matris ayrıştırma

NMF = "negatif olmayan matris ayrıştırma"
Boyut indirgeme tekniği
NMF modelleri yorumlanabilirdir (PCA’nın aksine)
Kolay yorum = kolay açıklama!
Ancak tüm örnek özellikleri negatif olmamalıdır (>= 0)

Yorumlanabilir parçalar

NMF, belgeleri konu (veya "tema") birleşimleri olarak ifade eder

Metin kutusu: DataCamp, Veri Bilimi Eğitiminde beceri odaklı eğitim sunan, teknik yenilikte öncü... yaklaşık eşittir işareti 0.6 çarpı program, r, python, function, method kelimeli metin kutusu artı 0.5 çarpı data, analysis, cluster, statistics, mean kelimeli metin kutusu artı 0.7 çarpı teaching, learn, lesson, lessons, course kelimeli metin kutusu

Yorumlanabilir parçalar

NMF, görüntüleri desen birleşimleri olarak ifade eder

3 şeritli kutu yaklaşık eşittir 0.98 çarpı tek şeritli kutu artı 0.91 çarpı farklı şeritli kutu artı 0.95 çarpı başka şeritli kutu

scikit-learn NMF kullanımı

fit() / transform() desenini izler
Bileşen sayısı belirtilmelidir, ör. NMF(n_components=2)
NumPy dizileri ve csr_matrix ile çalışır

Örnek kelime-sıklığı dizisi

Kelime sıklığı dizisi, 4 kelime, çok sayıda belge
Her belgedeki kelime varlığını "tf-idf" ile ölçün
- "tf" = belgedeki kelimenin sıklığı
- "idf" sık kelimelerin etkisini azaltır

Kelime sıklığı dizisi

NMF kullanım örneği

samples, kelime sıklığı dizisidir

from sklearn.decomposition import NMF

model = NMF(n_components=2)

model.fit(samples)

NMF(n_components=2)

nmf_features = model.transform(samples)

NMF bileşenleri

NMF, bileşenlere sahiptir
... tıpkı PCA’nın temel bileşenleri gibi
Bileşen boyutu = örneklerin boyutu
Girdiler negatif değildir

print(model.components_)

[[ 0.01  0.    2.13  0.54]
 [ 0.99  1.47  0.    0.5 ]]

NMF özellikleri

NMF özellik değerleri negatif değildir
Örnekleri yeniden kurmak için kullanılabilir
... özellik değerlerini bileşenlerle birleştirerek

print(nmf_features)

[[ 0.    0.2 ]
 [ 0.19  0.  ]
  ...
 [ 0.15  0.12]]

Bir örneğin yeniden kurulumu

print(samples[i,:])

[ 0.12  0.18  0.32  0.14]

print(nmf_features[i,:])

[ 0.15  0.12]

Özellik değeriyle çarpılan ve toplanan NMF bileşenleri

Örnek yeniden kurma

Bileşenleri özellik değerleriyle çarpın ve toplayın
Matris çarpımı olarak da gösterilebilir
Bu, "NMF"deki "MatrIs Ayrıştırma"dır

NMF yalnızca negatif olmayan veriye uyar

Her belgede kelime sıklıkları
Diziler olarak kodlanan görüntüler
Ses spektrogramları
E-ticaret satın alma geçmişleri
... ve daha fazlası!

Hadi pratik yapalım!

Python'da Unsupervised Learning