PCA lernt keine Teile
Im Gegensatz zu NMF lernt PCA nicht die Teile von Dingen. Seine Teile passen nicht zu Themen (bei Dokumenten) oder zu Teilen von Bildern, wenn es mit Bildern trainiert wurde. Überprü das selbst, indem du die Teile eines PCA-Modells anschaust, das zu den LED-Ziffernbildern aus der letzten Übung passt. Die Bilder sind als 2D-Array verfügbar: samples
. Es gibt auch eine angepasste Version der Funktion „ show_as_image()
“, die ein Pixel rot färbt, wenn der Wert negativ ist.
Nachdem du die Antwort abgeschickt hast, schau mal, dass die PCA-Komponenten keine sinnvollen Teile der LED-Ziffernbilder darstellen!
Diese Übung ist Teil des Kurses
Unüberwachtes Lernen in Python
Anleitung zur Übung
- Importiere
PCA
aussklearn.decomposition
. - Erstell eine „
PCA
“-Instanz namens „model
“ mit den folgenden Komponenten: „7
“. - Wende die „
.fit_transform()
”-Methode vonmodel
aufsamples
an. Weise das Ergebnisfeatures
zu. - Wende auf jede Komponente des Modells (aufrufbar über „
model.components_
“) die Funktion „show_as_image()
“ innerhalb der Schleife an.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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 ____:
____