NMF는 해석 가능한 부분을 학습합니다

Python으로 배우는 Unsupervised Learning

Benjamin Wilson

Director of Research at lateral.io

예시: NMF는 해석 가능한 부분을 학습합니다

기사 단어 빈도 배열

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_의 한 행을 선택하고 각 단어에 대해 막대 그래프(높이는 tfidf)

상자에 상위 단어와 값: species 2.95, plant 1.05, plants 0.78 등

nmf.components_의 서로 다른 행에서 상위 단어가 들어 있는 새 상자: university 3.57, prof 1.19, college 0.88 등

세 줄 무늬 상자 ≈ 0.98×한 줄 무늬 상자 + 0.91×다른 줄 무늬 상자 + 0.95×또 다른 줄 무늬 상자

흰색/검정/회색 정도가 다른 2×3 픽셀 사각형

달의 픽셀화된 그림과, 0~1 사이 숫자를 담은 같은 크기의 배열을 가리키는 화살표

2×3 픽셀 상자가 숫자 배열을 가리킴

2×3 픽셀 상자 → 2×3 숫자 배열 → 1×6 숫자 배열

2×3 픽셀 이미지를 나타내는 nmf.components_의 한 행

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()

Python으로 배우는 Unsupervised Learning