绘制新文档以散布p

Question

我希望对我的数据有所了解。我使用sklearn PCA将它们转换成VSM，并将它们绘制成matplotlib图。这包括

1. 使用管道将文档转换为数字矩阵

   test = pipeline.fit_transform(docs).todense()
   

2. 适合我的模型

   pca = PCA().fit(test)
   

3. 然后我用transform转换它

       data = pca.transform(test)
   

4. 最后，我使用Matplotlib绘制结果

      plt.scatter(data[:,0], data[:,1], c = categories)
   

我的问题是：我该如何选择新的句子，并确定它们相对于其他文件的位置。用X来标记它们的相对位置？你知道吗

谢谢

Answer 1

1. 还将新文档强制转换为数字数组

   new = pipeline.transform(new_docs).todense()
   

   请注意，这将使用带有先前拟合参数的pipeline，因此它是pipeline.transform，而不是pipeline.fit_transform。
   
   

2. 使用先前拟合的pca转换新数据。你知道吗

   new_data = pca.transform(new)
   

   这会将新数据转换为与原始数据相同的PC空间。
   
   

3. 使用第二个scatter将新数据添加到绘图中。你知道吗

   plt.scatter(data[:,0], data[:,1], c = categories)
   plt.scatter(new_data[:,0], new_data[:,1], marker = 'x')
   plt.show()