CommencerCommencez gratuitement

NMF appliquée aux articles Wikipédia

Dans la vidéo, vous avez observé l'application de la NMF pour transformer un tableau de fréquence des mots de jouets. À présent, il vous revient d'appliquer la NMF, en utilisant cette fois-ci le tableau de fréquence des mots tf-idf des articles Wikipédia, fourni sous forme de matrice csr « articles ». Ici, ajustez le modèle et transformez les articles. Dans l'exercice suivant, vous explorerez le résultat.

Cet exercice fait partie du cours

<cours>Apprentissage non supervisé en Python</cours>
Voir le cours

Instructions de l’exercice

  • Importez « NMF » depuis « sklearn.decomposition ».
  • Créez une instance « NMF » appelée « model » avec « 6 » composants.
  • Adaptez le modèle aux données de comptage de mots « articles ».
  • Utilisez la méthode « .transform() » de « model » pour transformer « articles » et attribuez le résultat à « nmf_features ».
  • Imprimez nmf_features pour obtenir une première idée de son apparence (.round(2) arrondit les entrées à 2 décimales).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))
Modifier et exécuter le code