Začněte nyníZačněte zdarma

PCA se nenaučí části

Na rozdíl od NMF se PCA nenaučí části věcí. Její komponenty neodpovídají tématům (v případě dokumentů) ani částem obrázků, i když je natrénovaná na obrázcích. Přesvědč se o tom sám/sama tím, že prozkoumáš komponenty modelu PCA natrénovaného na datové sadě obrázků LED číslic z předchozího cvičení. Obrázky jsou dostupné jako 2D pole samples. K dispozici je také upravená verze funkce show_as_image(), která zobrazí pixel červeně, pokud je jeho hodnota záporná.

Po odeslání odpovědi si všimni, že komponenty PCA nepředstavují žádné smysluplné části obrázků LED číslic!

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj PCA z sklearn.decomposition.
  • Vytvoř instanci PCA s názvem model se 7 komponentami.
  • Aplikuj metodu .fit_transform() modelu model na samples. Výsledek ulož do proměnné features.
  • Na každou komponentu modelu (přístupnou přes model.components_) zavolej uvnitř cyklu funkci show_as_image() s danou komponentou jako argumentem.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import PCA
____

# Create a PCA instance: model
model = ____

# Apply fit_transform to samples: features
features = ____

# Call show_as_image on each component
for component in ____:
    ____
Upravit a spustit kód