เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สำรวจชุดข้อมูลตัวเลข LED

ในแบบฝึกหัดต่อไปนี้ คุณจะใช้ NMF เพื่อแยกภาพระดับสีเทาออกเป็นรูปแบบที่ปรากฏบ่อยในชุดข้อมูล ขั้นแรก ให้สำรวจชุดข้อมูลภาพและดูว่ามีการเข้ารหัสเป็น array อย่างไร คุณได้รับภาพ 100 ภาพในรูปแบบ array 2 มิติชื่อ samples โดยแต่ละแถวแทนภาพขนาด 13x8 หนึ่งภาพ ภาพในชุดข้อมูลนี้เป็นภาพของจอแสดงผลตัวเลขแบบ LED

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Unsupervised Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import matplotlib.pyplot โดยใช้ชื่อแทนว่า plt
  • เลือกแถวที่ 0 ของ samples แล้วกำหนดผลลัพธ์ให้กับตัวแปร digit ตัวอย่างเช่น หากต้องการเลือกคอลัมน์ที่ 2 ของ array a ให้ใช้ a[:,2] โปรดทราบว่าเนื่องจาก samples เป็น NumPy array จึงไม่สามารถใช้ .loc[] หรือ iloc[] ในการเลือกแถวหรือคอลัมน์ได้
  • พิมพ์ digit ซึ่งได้เตรียมไว้ให้แล้ว สังเกตว่าเป็น array 1 มิติที่ประกอบด้วย 0 และ 1
  • ใช้เมธอด .reshape() ของ digit เพื่อแปลงเป็น array 2 มิติที่มีรูปร่าง (13, 8) แล้วกำหนดผลลัพธ์ให้กับตัวแปร bitmap
  • พิมพ์ bitmap แล้วสังเกตว่าตำแหน่งที่เป็น 1 แสดงตัวเลข 7!
  • ใช้ฟังก์ชัน plt.imshow() เพื่อแสดง bitmap เป็นภาพ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import pyplot
from matplotlib import pyplot as plt

# Select the 0th row: digit
digit = ____

# Print digit
print(digit)

# Reshape digit to a 13x8 array: bitmap
bitmap = ____

# Print bitmap
print(bitmap)

# Use plt.imshow to display bitmap
plt.____(____, cmap='gray', interpolation='nearest')
plt.colorbar()
plt.show()
แก้ไขและรันโค้ด