1. Learn
    2. /
  2. 课程
    3. /
  3. Python 中的无监督学习
Connected

道练习

PCA 不会学习"部件"

与 NMF 不同，PCA 并不会学习事物的"部件"。它的主成分在文档场景下不会对应主题，在图像场景下也不会对应图像的局部结构。请通过检查在上一个练习的 LED 数字图像数据集上拟合得到的 PCA 模型的主成分来亲自验证这一点。图像以二维数组 samples 提供。同时还提供了修改版的 show_as_image() 函数：当像素值为负时会将其显示为红色。

提交答案后，您会注意到：PCA 的主成分并不能表示 LED 数字图像中有意义的"部件"！

说明

100 XP
  • 从 sklearn.decomposition 导入 PCA。
  • 创建一个包含 7 个主成分的 PCA 实例，命名为 model。
  • 对 model 应用 .fit_transform() 方法，传入 samples。将结果赋值给 features。
  • 遍历模型的每个主成分（通过 model.components_ 访问），在循环内对该主成分调用 show_as_image() 函数。