NMF học ra các phần dễ hiểu

Unsupervised Learning bằng Python

Benjamin Wilson

Director of Research at lateral.io

Ví dụ: NMF học ra các phần dễ hiểu

Mảng tần suất từ của bài viết

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_

một hàng của nmf.components_ được chọn và biểu đồ cột cho từng từ với chiều cao thể hiện tfidf

hộp với các từ và giá trị hàng đầu: species 2.95, plant 1.05, plants 0.78, v.v.

hộp mới với các từ hàng đầu từ một hàng khác của nmf.components_: university 3.57, prof 1.19, college 0.88, v.v.

Với văn bản:
- Thành phần NMF đại diện cho chủ đề
- Đặc trưng NMF kết hợp chủ đề thành tài liệu
Với ảnh, thành phần NMF là các phần của ảnh

hộp có 3 sọc xấp xỉ bằng 0.98 lần hộp có một sọc cộng 0.91 lần hộp có sọc khác cộng 0.95 lần hộp có sọc khác

hình chữ nhật 2x3 ô điểm ảnh với các mức trắng/đen/xám khác nhau

minh họa mặt trăng dạng pixel với mũi tên chỉ tới mảng số cùng kích thước, giá trị từ 0 đến 1

hộp điểm ảnh 2x3 trỏ tới mảng số

hộp điểm ảnh 2x3 trỏ tới mảng 2x3 số rồi trỏ tới mảng 1x6 số

Một hàng của nmf.components_ đại diện ảnh điểm ảnh 2x3

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 bằng Python