Question

我正在使用PCA将文档缩小到2分，以便我可以将它们可视化。我的方法看起来像这样。

  pipeline = Pipeline([('tfidf', TfidfVectorizer())])

   X = pipeline.fit_transform(sent_list).todense()


  pca = PCA(n_components = 2).fit(X)


   data2D = pca.fit_transform(X)

然后我用matplotlib绘制它们 plt.scatter（data2D [：，0]，data2D [：，1]，c = label_colour）

我想添加2个新点并查看它们在模型中的位置。到目前为止，我在最后的训练数据中包含了初始点，并在数组的最后两个位置上绘制了一个X，但我不确定这是否真实地反映了它们的价值。任何见解都会很棒。

Answer 1

转换后TfidfVectorizer和PCA都保留了行的顺序，所以你所做的似乎基本正确（即sent_list中的最后一行映射到最后一行在data2D数组中。

但是，如果新数据点不应影响模型，则应首先使用原始数据拟合模型，然后使用已安装的模型转换新数据。例如：

# Fit the model with original data
vect = TfidfVectorizer()
X = vect.fit_transform(sent_list)

svd = TruncatedSVD(n_components = 2)
data2D = svd.fit_transform(X)

# Transform new data with fitted model
X_new = vect.transform(new_data)
data2D_new = svd.transform(X_new)

出于性能原因，最好将TruncatedSVD用于稀疏矩阵，而不是将数据加密并应用PCA。结果应该是相同的。

在PCA模型中添加一个点

1 个答案: