Bắt đầu ngayBắt đầu miễn phí

PCA không học các phần cấu thành

Không giống NMF, PCA không học các phần cấu thành của đối tượng. Các thành phần của nó không tương ứng với các chủ đề (trong trường hợp tài liệu) hoặc các bộ phận của ảnh khi được huấn luyện trên ảnh. Hãy tự kiểm chứng bằng cách quan sát các thành phần của một mô hình PCA được fit trên bộ dữ liệu ảnh chữ số LED từ bài trước. Các ảnh được lưu trong mảng 2 chiều samples. Ngoài ra còn có một phiên bản đã chỉnh sửa của hàm show_as_image() sẽ tô điểm ảnh màu đỏ nếu giá trị âm.

Sau khi Gửi câu trả lời, hãy để ý rằng các thành phần của PCA không đại diện cho những phần có ý nghĩa của ảnh chữ số LED!

Bài tập này là một phần của khóa học

Unsupervised Learning bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Import PCA từ sklearn.decomposition.
  • Tạo một thể hiện PCA tên là model với 7 thành phần.
  • Áp dụng phương thức .fit_transform() của model lên samples. Gán kết quả cho features.
  • Với mỗi thành phần của mô hình (truy cập qua model.components_), gọi hàm show_as_image() cho thành phần đó bên trong vòng lặp.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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 ____:
    ____
Chỉnh sửa và Chạy Mã