NMFは解釈しやすい部分を学習する

Pythonで学ぶ教師なし学習

Benjamin Wilson

Director of Research at lateral.io

例: NMFは解釈しやすい部分を学習

記事の単語頻度配列

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_

nmf.components_ の1行を選択し、各語のtfidfを高さで示す棒グラフ

上位語と値のボックス：species 2.95、plant 1.05、plants 0.78 など

nmf.components_ の異なる行の上位語を示す新しいボックス：university 3.57、prof 1.19、college 0.88 など

3本のストライプのボックス ≈ 0.98×1本のストライプのボックス + 0.91×別のストライプのボックス + 0.95×別のストライプのボックス

白/黒/灰の度合いが異なる2×3のピクセル矩形

月のピクセル画と、0〜1の数値を持つ同次元の配列を指す矢印

2×3ピクセルのボックスが配列の数値を指す図

2×3ピクセルのボックス → 2×3配列 → 1×6配列の数値に矢印

2×3ピクセル画像を表す nmf.components_ の1行

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()

Pythonで学ぶ教師なし学習