[PYTHON] Komprimieren Sie Vektoren mithilfe der Hauptkomponentenanalyse in zwei Dimensionen und visualisieren Sie sie mit matplotlib.

Vorbereitung-Vorbereitung

vecs #Doppelte Anordnung von numpy
name #Etikette

Hauptkomponentenanalyse

from sklearn.decomposition import PCA #Hauptkomponentenanalysator

pca = PCA(n_components=2)
pca.fit(vecs)
x = pca.transform(vecs)

for i in range(len(x)):
  X.append(x[j][0])
  Y.append(x[j][1])

Visualisierung-Visualisierung

fig, ax = pyplot.subplots(figsize=(15,15))
ax.scatter(X, Y)
for i, txt in enumerate(Name):
  ax.annotate(txt, (X[i], Y[i]))
pyplot.savefig("img.png ") #sparen

Beispiel - Beispiel

Ergebnisse des Extrahierens und Visualisierens des dem Ländernamen entsprechenden Vektors aus dem Vorlernmodell von Wikipedia2Vec Visualization of country vectors, which was extracted Wikipedia2Vec model.