Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- import gensim.downloader as api
- from sklearn.decomposition import PCA
- import matplotlib.pyplot as plt
- # 1. Załaduj pretrenowany model GloVe
- model = api.load("glove-wiki-gigaword-100")
- # 2. Wybierz słowa do wizualizacji
- words = ["dog", "cats", "music", "smart", "stupid", "king", "queen"]
- # 3. Pobierz wektory dla wybranych słów
- vectors = [model[word] for word in words]
- # 4. Zredukuj wymiar do 2D za pomocą PCA
- pca = PCA(n_components=2)
- coords = pca.fit_transform(vectors)
- # 5. Narysuj wykres punktowy (scatter) z etykietami
- plt.figure(figsize=(8, 6))
- plt.scatter(coords[:, 0], coords[:, 1])
- for i, word in enumerate(words):
- plt.annotate(word, (coords[i, 0], coords[i, 1]))
- plt.title("Projekcja wektorów słów (PCA 2D)")
- plt.xlabel("Pierwsza główna składowa (PC1)")
- plt.ylabel("Druga główna składowa (PC2)")
- plt.tight_layout()
- plt.show()
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement
