NMF 學得可解釋的部件

Unsupervised Learning in Python

Benjamin Wilson

Director of Research at lateral.io

範例：NMF 學得可解釋的部件

文章的詞頻陣列

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_

選取 nmf.components_ 的一列，並為每個單字繪製長條圖，高度代表 tfidf

方框內為最高權重單字與數值：species 2.95、plant 1.05、plants 0.78 等

新的方框：來自 nmf.components_ 不同列的高權重單字：university 3.57、prof 1.19、college 0.88 等

3 條紋的方框約等於 0.98 × 單一條紋方框＋ 0.91 × 另一條紋方框＋ 0.95 × 另一條紋方框

2×3 的像素矩形，黑白灰深淺不同

像素化月球示意圖，箭頭指向相同維度、值介於 0 到 1 的數字陣列

2×3 像素方塊指向數值陣列

2×3 像素方塊 → 2×3 數值陣列 → 1×6 數值陣列

代表 2×3 像素影像的 nmf.components_ 其中一列

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 in Python