将新文档绘制成散点图

Question

我希望深入了解我的数据。我正在使用 sklearn PCA 将它们转换为 VSM，并将它们绘制成 matplotlib 图。这涉及

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：我如何获取新句子并确定它们相对于绘制的其他文档的位置。使用 X 标记它们的相对位置？

谢谢

Answer 1

1. 还将新文档转换为数值数组

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

   请注意，这使用了具有先前拟合参数的 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。

   new_data = pca.transform(new)
   

   这会将新数据转换为与原始数据相同的 PC-space。
   
   

3. 使用第二个 scatter.

   将新数据添加到图中

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