NMF mempelajari bagian yang mudah dipahami

Unsupervised Learning in Python

Benjamin Wilson

Director of Research at lateral.io

Contoh: NMF mempelajari bagian yang mudah dipahami

Array frekuensi kata artikel

print(articles.shape)

(20000, 800)

from sklearn.decomposition import NMF
nmf = NMF(n_components=10)
nmf.fit(articles)

NMF(n_components=10)

print(nmf.components_.shape)

(10, 800)

nmf.components_

satu baris nmf.components_ dipilih dan diagram batang per kata dengan tinggi mewakili tfidf

kotak dengan kata dan nilai teratas: species 2.95, plant 1.05, plants 0.78, dll.

kotak baru dengan kata teratas dari baris berbeda nmf.components_: university 3.57, prof 1.19, college 0.88, dll.

Untuk dokumen:
- Komponen NMF merepresentasikan topik
- Fitur NMF menggabungkan topik menjadi dokumen
Untuk gambar, komponen NMF adalah bagian-bagian gambar

kotak dengan 3 garis ≈ 0,98 × kotak dengan satu garis + 0,91 × kotak dengan garis lain + 0,95 × kotak dengan garis lain

persegi panjang 2×3 piksel dengan tingkat putih/hitam/abu berbeda

ilustrasi bulan berpiksel dengan panah ke array angka berdimensi sama berisi nilai 0–1

kotak piksel 2×3 menunjuk ke array dengan angka

kotak piksel 2×3 menunjuk ke array 2×3 dengan angka yang menunjuk ke array 1×6 angka

Satu baris nmf.components_ yang merepresentasikan gambar piksel 2×3

print(sample)

[ 0.   1.   0.5  1.   0.   1. ]

bitmap = sample.reshape((2, 3))
print(bitmap)

[[ 0.   1.   0.5]
 [ 1.   0.   1. ]]

from matplotlib import pyplot as plt
plt.imshow(bitmap, cmap='gray', interpolation='nearest')
plt.show()

Unsupervised Learning in Python