NMF выделяет интерпретируемые части

Обучение без учителя на Python

Benjamin Wilson

Director of Research at lateral.io

Пример: NMF выделяет интерпретируемые части

Массив частот слов в статьях

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_

строка nmf.components_ и столбчатая диаграмма для каждого слова, где высота отражает tf-idf

блок с ведущими словами и значениями: species 2.95, plant 1.05, plants 0.78 и др.

новый блок с ведущими словами из другой строки nmf.components_: university 3.57, prof 1.19, college 0.88 и др.

Для документов:
- Компоненты NMF представляют темы
- Признаки NMF объединяют темы в документы
Для изображений компоненты NMF — это части изображений

блок с 3 полосами ≈ 0.98 × блок с одной полосой + 0.91 × блок с другой полосой + 0.95 × блок с другой полосой

прямоугольник 2×3 из пикселей с разными оттенками белого/чёрного/серого

пикселизированное изображение Луны со стрелкой, указывающей на массив чисел тех же размеров со значениями от 0 до 1

прямоугольник 2×3 пикселя со стрелкой, указывающей на массив чисел

прямоугольник 2×3 пикселя со стрелкой, указывающей на массив 2×3, который указывает на одномерный массив из 6 чисел

Одна строка nmf.components_, представляющая изображение 2×3 пикселя

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()

Обучение без учителя на Python