使用保存的W矩阵应用矩阵分解进行分类

作者: WL
发布时间: 2024-12-14 06:19:29 (1月前)
转自：

3 条回复

0#
回复此人
凯撒 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 为了完整起见，这里是重写的 <code> applyModel </code> 考虑ForceBru答案的函数（使用导入的 <code> scipy.sparse.linalg </code> ） </p> <pre> <code> def applyModel(tfidfm,W): H = tfidfm * linalg.inv(W) return H </code> </pre> <P> 这将返回（假设对齐的词汇表）文档到主题的映射的<strong> H </强> 基于预生成的主题模型的<strong> w ^ </强> 和文档特征矩阵的<strong> V </强> 由tfidf生成。 </p> </DIV>

编辑
1#
回复此人
v-star*위위 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 最初的等式是： <img src =“https://i.stack.imgur.com/Vg05x.gif”alt =“初始等式”/> 我们解决它 <img src =“https://i.stack.imgur.com/yuuvq.gif”alt =“H”/> 像这样： <img src =“https://i.stack.imgur.com/I4jLY.gif”alt =“如何解决H”/> 。 </p> <P> 这里 <img src =“https://i.stack.imgur.com/ClqEe.gif”alt =“W的倒数”/> 表示矩阵的逆 <img src =“https://i.stack.imgur.com/ki72B.gif”alt =“W”/> ，只存在于 <img src =“https://i.stack.imgur.com/ki72B.gif”alt =“W”/> 是非奇异的。 </p> <P> 乘法顺序一如既往地很重要。如果你有 <img src =“https://i.stack.imgur.com/icKMv.gif”alt =“如果订单已更改”/> ，你需要繁殖 <img src =“https://i.stack.imgur.com/lvvsw.gif”alt =“V”/> 通过相反的 <img src =“https://i.stack.imgur.com/ki72B.gif”alt =“W”/> 反过来说： <img src =“https://i.stack.imgur.com/Z5Mtd.gif”alt =“没有说明”/> 。 </p> </DIV>

编辑

登录后才能参与评论