LoslegenKostenlos loslegen

PCA lernt keine Bestandteile

Im Gegensatz zu NMF lernt PCA keine Bestandteile von Objekten. Die Komponenten entsprechen bei Texten nicht den Themen und bei Bildern nicht den Bildteilen, wenn PCA auf Bildern angewendet wird. Überprüfe das selbst, indem du die Komponenten eines PCA-Modells untersuchst, das auf den LED-Ziffernbildern aus der vorherigen Übung trainiert wurde. Die Bilder liegen als 2D-Array namens samples vor. Außerdem steht dir eine angepasste Version der Funktion show_as_image() zur Verfügung, die ein Pixel rot färbt, wenn der Wert negativ ist.

Nachdem du auf „Antworten“ geklickt hast, wirst du sehen, dass die Komponenten der PCA keine sinnvollen Teile von Bildern der LED-Ziffern darstellen!

Diese Übung ist Teil des Kurses

Unsupervised Learning in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere PCA aus sklearn.decomposition.
  • Erstelle eine PCA-Instanz namens model mit 7 Komponenten.
  • Wende die Methode .fit_transform() von model auf samples an. Weise das Ergebnis features zu.
  • Wende für jede Komponente des Modells (zugänglich über model.components_) innerhalb der Schleife die Funktion show_as_image() auf diese Komponente an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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 ____:
    ____
Code bearbeiten und ausführen