make_sparse_spd_matrix#

sklearn.datasets.make_sparse_spd_matrix(n_dim=1, *, alpha=0.95, norm_diag=False, smallest_coef=0.1, largest_coef=0.9, sparse_format=None, random_state=None)[源代码]#

生成稀疏对称定正矩阵。

阅读更多的 User Guide .

参数:

n_dimint，默认=1: 要生成的随机矩阵的大小。

在 1.4 版本发生变更: 改名 dim 到 n_dim .
alpha浮动，默认=0.95: 系数为零的概率（见注释）。越大的值会导致越稀疏。该值应在0和1的范围内。
norm_diag布尔，默认=假: 是否对输出矩阵进行规格化以使前对角线元素全为1。
smallest_coeffloat，默认=0.1: 0和1之间最小系数的值。
largest_coef浮点数，默认值=0.9: 0和1之间最大系数的值。
sparse_format字符串，默认=无: 表示输出稀疏格式的字符串，例如“csc '、“csr '等。如果 None ，返回一个密集的numpy ndray。

Added in version 1.4.
random_stateint，RandomState实例或无，默认=无: 确定创建数据集的随机数生成。传递int以获得跨多个函数调用的可重复输出。看到 Glossary .

返回:

prec形状的nd数组或稀疏矩阵（暗淡，暗淡）: 生成的矩阵。如果 sparse_format=None ，这将是一个ndray。否则，这将是指定格式的稀疏矩阵。

参见

make_spd_matrix: 生成一个随机对称、正定矩阵。

注意到

稀疏性实际上是强加在矩阵的模糊因子上的。因此，阿尔法不会直接转化为矩阵本身的填充分数。

示例

>>> from sklearn.datasets import make_sparse_spd_matrix
>>> make_sparse_spd_matrix(n_dim=4, norm_diag=False, random_state=42)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])