Zacznij terazZacznij za darmo

NMF odkrywa tematy dokumentów

W filmie dowiedziałeś się, że gdy NMF jest stosowany do dokumentów, składowe odpowiadają ich tematom, a cechy NMF pozwalają odtworzyć dokumenty z tych tematów. Sprawdź to samodzielnie na modelu NMF zbudowanym wcześniej na podstawie artykułów z Wikipedii. Poprzednio widziałeś, że 3. wartość cechy NMF była wysoka dla artykułów o aktorach Anne Hathaway i Denzelu Washingtonie. W tym ćwiczeniu określ temat odpowiadającej tej cesze składowej NMF.

Model NMF zbudowany wcześniej jest dostępny jako model, natomiast words to lista słów opisujących kolumny tablicy częstości słów.

Po ukończeniu ćwiczenia zastanów się, jaki temat łączy artykuły o Anne Hathaway i Denzelu Washingtonie!

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj pandas jako pd.
  • Utwórz DataFrame components_df z model.components_, ustawiając columns=words, aby kolumny były opisane słowami.
  • Wyświetl components_df.shape, aby sprawdzić wymiary DataFrame.
  • Użyj akcesora .iloc[] na DataFrame components_df, aby wybrać wiersz 3. Przypisz wynik do zmiennej component.
  • Wywołaj metodę .nlargest() na component i wyświetl wynik. Zwróci ona pięć słów o najwyższych wartościach dla tej składowej.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import pandas
import pandas as pd

# Create a DataFrame: components_df
components_df = ____

# Print the shape of the DataFrame
print(components_df.shape)

# Select row 3: component
component = ____

# Print result of nlargest
print(component.nlargest())
Edytuj i uruchom kod