ÎncepețiÎncepe gratuit

PCA nu învață părți componente

Spre deosebire de NMF, PCA nu învață părțile componente ale lucrurilor. Componentele sale nu corespund unor teme (în cazul documentelor) și nici unor părți ale imaginilor, atunci când este antrenat pe imagini. Verifică acest lucru prin inspecția componentelor unui model PCA antrenat pe setul de date cu imagini ale cifrelor LED din exercițiul anterior. Imaginile sunt disponibile ca un array 2D numit samples. De asemenea, ai la dispoziție o versiune modificată a funcției show_as_image(), care colorează un pixel în roșu dacă valoarea acestuia este negativă.

După ce trimiți răspunsul, observă că și componentele PCA nu reprezintă părți semnificative ale imaginilor cu cifre LED!

Acest exercițiu face parte din cursul

Învățare nesupervizată în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă PCA din sklearn.decomposition.
  • Creează o instanță PCA numită model cu 7 componente.
  • Aplică metoda .fit_transform() a modelului model pe samples. Atribuie rezultatul variabilei features.
  • Pentru fiecare componentă a modelului (accesată prin model.components_), aplică funcția show_as_image() acelei componente în interiorul buclei.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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 ____:
    ____
Editează și rulează codul