NMF 学习可解释的部分

Python 中的无监督学习

Benjamin Wilson

Director of Research at lateral.io

示例：NMF 学习可解释的部分

文章词频数组

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_

选中 nmf.components_ 的一行，每个词有柱状图，柱高为 tfidf

包含高频词及数值的框：species 2.95、plant 1.05、plants 0.78 等

nmf.components_ 不同行的高频词新框：university 3.57、prof 1.19、college 0.88 等

三条纹方块 ≈ 0.98×单条纹方块 + 0.91×另一条纹方块 + 0.95×另一条纹方块

2×3 像素矩形，黑白灰不同程度

像素化月亮图，箭头指向同维度、数值 0 到 1 的数组

2×3 像素框，指向数组数字

2×3 像素框 → 2×3 数组 → 1×6 数组

nmf.components_ 的一行表示 2×3 像素图

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 中的无监督学习