LoslegenKostenlos loslegen

NMF auf Wikipedia-Artikeln angewendet

Im Video hast du gesehen, wie NMF auf ein kleines Worthäufigkeit-Array angewendet wurde. Jetzt bist du dran: Wende NMF auf das tf-idf-Wortfrequenz-Array von Wikipedia-Artikeln an, das dir als CSR-Matrix namens articles vorliegt. Fit­te das Modell und transformiere die Artikel. In der nächsten Übung schaust du dir das Ergebnis genauer an.

Diese Übung ist Teil des Kurses

Unsupervised Learning in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere NMF aus sklearn.decomposition.
  • Erstelle eine NMF-Instanz namens model mit 6 Komponenten.
  • Fitte das Modell auf die Worthäufigkeitsdaten namens articles.
  • Verwende die Methode .transform() von model, um articles zu transformieren, und weise das Ergebnis nmf_features zu.
  • Gib nmf_features aus, um einen ersten Eindruck zu bekommen (mit .round(2) werden die Einträge auf zwei Dezimalstellen gerundet).

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import NMF
____

# Create an NMF instance: model
model = ____

# Fit the model to articles
____

# Transform the articles: nmf_features
nmf_features = ____

# Print the NMF features
print(nmf_features.round(2))
Code bearbeiten und ausführen