ComeçarComece de graça

A PCA não aprende partes

Ao contrário do NMF, o PCA não aprende as partes das coisas. Os seus componentes não correspondem a tópicos (no caso de documentos) ou a partes de imagens, quando treinados com imagens. Confira você mesmo, dando uma olhada nos componentes de um modelo PCA que se encaixa no conjunto de dados de imagens de dígitos LED do exercício anterior. As imagens estão disponíveis como uma matriz 2D em samples. Também tem uma versão modificada da função “ show_as_image() ”, que pinta um pixel de vermelho se o valor for negativo.

Depois de enviar a resposta, repara que os componentes da PCA não representam partes significativas das imagens dos dígitos LED!

Este exercício faz parte do curso

Aprendizado não supervisionado em Python

Ver curso

Instruções do exercício

  • Importe PCA de sklearn.decomposition.
  • Crie uma instância do PCA chamada model com os componentes 7.
  • Use o método “ .fit_transform() ” (copiar e colar) do site model para samples. Atribua o resultado a features.
  • Para cada componente do modelo (acessado via model.components_), use a função show_as_image() nesse componente dentro do loop.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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 ____:
    ____
Editar e executar o código