NMF lär sig tolkningsbara delar

Oövervakad inlärning i Python

Benjamin Wilson

Director of Research at lateral.io

Exempel: NMF lär sig tolkningsbara delar

Ordfrekvensmatris för artiklar

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_

En rad ur nmf.components_ vald, med ett stapeldiagram för varje ord där höjden representerar tf-idf-värdet

Ruta med toppord och värden: species 2,95, plant 1,05, plants 0,78, osv.

Ny ruta med toppord från annan rad i nmf.components_: university 3,57, prof 1,19, college 0,88, osv.

För dokument:
- NMF-komponenter representerar ämnen
- NMF-särdrag kombinerar ämnen till dokument
För bilder representerar NMF-komponenter bilddelar

Ruta med 3 ränder ≈ 0,98 × ruta med en rand + 0,91 × ruta med annan rand + 0,95 × ruta med ytterligare en rand

2×3 pixelruta med varierande grader av vitt/svart/grått

Pixlad illustration av månen med pil som pekar mot en talmatris med samma dimension och värden mellan 0 och 1

2×3 pixelruta som pekar mot en array med tal

2×3 pixelruta som pekar mot 2×3-matris med tal som pekar mot 1×6-array med tal

En rad ur nmf.components_ som representerar 2×3-pixelbilden

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()

Oövervakad inlärning i Python