ComeçarComece gratuitamente

PCA não aprende as partes

Ao contrário do NMF, o PCA não aprende as partes das coisas. Seus componentes não correspondem a tópicos (no caso de documentos) ou a partes de imagens, quando treinados em imagens. Você pode verificar isso inspecionando os componentes de um modelo PCA ajustado ao conjunto de dados de imagens de dígitos LED do exercício anterior. As imagens estão disponíveis como uma matriz 2D samples. Também está disponível uma versão modificada da função show_as_image() que colore um pixel de vermelho se o valor for negativo.

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

Este exercício faz parte do curso

Aprendizado não supervisionado em Python

Ver Curso

Instruções de exercício

  • Importe PCA de sklearn.decomposition.
  • Crie uma instância PCA chamada model com componentes 7.
  • Aplique o método .fit_transform() de model a samples. Atribua o resultado a features.
  • Para cada componente do modelo (acessado por meio de model.components_), aplique a função show_as_image() a esse componente dentro do loop.

Exercício interativo prático

Experimente este exercício preenchendo 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 código