截短的奇异值#

class sklearn.decomposition.TruncatedSVD(n_components=2, *, algorithm='randomized', n_iter=5, n_oversamples=10, power_iteration_normalizer='auto', random_state=None, tol=0.0)[源代码]#

使用截断的SVD（又名LSA）进行简化。

该Transformer通过截断奇异值分解（SVD）进行线性降维。与PCA相反，该估计器在计算奇异值分解之前不会对数据进行中心化。这意味着它可以有效地处理稀疏矩阵。

特别是，截断的MVD适用于中的向量器返回的项计数/tf-idf矩阵 sklearn.feature_extraction.text .在这种情况下，它被称为潜在语义分析（LSA）。

该估计器支持两种算法：快速随机化的DID解算器，以及使用ARPACK作为特征解算器的“天真”算法 X * X.T 或 X.T * X ，以效率更高的为准。

阅读更多的 User Guide .

参数:

n_componentsint，默认=2: 输出数据的所需维度。如果algorithm ='arpack'，则必须严格小于特征数。如果algorithm ='randomized'，则必须小于或等于特征数。默认值对于可视化非常有用。对于LSA，建议值为100。
algorithm'arpack'，'randomized'}，default='randomized': 要使用的奇异值解算器。SciPy（scipy.sparse.linalg.svds）中的ARPACK包装器为“arpack”，或者由于Halko（2009），随机算法为“随机化”。
n_iterint，默认=5: 随机SVD求解器的迭代次数。ARPACK未使用。中的默认值大于 randomized_svd 以处理可能具有大的缓慢衰减频谱的稀疏矩阵。
n_oversamplesint，默认值=10: 随机化MVD求解器的过样本数量。ARPACK未使用。看到 randomized_svd 以获取完整的描述。

Added in version 1.1.
power_iteration_normalizer' Auto '，' QR '，' LU '，&#3: 随机SVD求解器的幂迭代归一化器。ARPACK未使用。看到 randomized_svd 了解更多详细信息。

Added in version 1.1.
random_stateint，RandomState实例或无，默认=无: 在随机svd期间使用。传递int以获得跨多个函数调用的可重复结果。看到 Glossary .
tolfloat，默认=0.0: 对ARPACK的容忍。0表示机器精度。被随机的DID解算器忽视。

属性:

components_ndrow形状数组（n_components，n_features）: 输入数据的右奇异向量。
explained_variance_形状的nd数组（n_components，）: 通过投影转换到每个分量的训练样本的方差。
explained_variance_ratio_形状的nd数组（n_components，）: 每个选定成分解释的方差百分比。
singular_values_形状的nd数组（n_components，）: The singular values corresponding to each of the selected components. The singular values are equal to the 2-norms of the n_components variables in the lower-dimensional space.
n_features_in_int: 期间看到的功能数量 fit .

Added in version 0.24.
feature_names_in_ ：nd形状数组 (n_features_in_ ,)nd数组形状（: Names of features seen during fit. Defined only when X has feature names that are all strings.

Added in version 1.0.

参见

DictionaryLearning: 找一个对数据进行稀疏编码的字典。
FactorAnalysis: 一个简单的线性生成模型与高斯潜变量。
IncrementalPCA: 增量主成分分析。
KernelPCA: 核心主成分分析。
NMF: 非负矩阵分解。
PCA: 主成分分析。

注意到

DDD存在一个称为“符号不确定性”的问题，这意味着符号 components_ 变换的输出取决于算法和随机状态。要解决这个问题，请将此类的实例与数据匹配一次，然后保留该实例以执行转换。

引用

Halko, et al. (2009). "Finding structure with randomness: Stochastic algorithms for constructing approximate matrix decompositions"

示例

>>> from sklearn.decomposition import TruncatedSVD
>>> from scipy.sparse import csr_matrix
>>> import numpy as np
>>> np.random.seed(0)
>>> X_dense = np.random.rand(100, 100)
>>> X_dense[:, 2 * np.arange(50)] = 0
>>> X = csr_matrix(X_dense)
>>> svd = TruncatedSVD(n_components=5, n_iter=7, random_state=42)
>>> svd.fit(X)
TruncatedSVD(n_components=5, n_iter=7, random_state=42)
>>> print(svd.explained_variance_ratio_)
[0.0157... 0.0512... 0.0499... 0.0479... 0.0453...]
>>> print(svd.explained_variance_ratio_.sum())
0.2102...
>>> print(svd.singular_values_)
[35.2410...  4.5981...   4.5420...  4.4486...  4.3288...]

fit(X, y=None)[源代码]#

将模型与训练数据X匹配。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 训练数据。
y忽视: 未使用，此处列出是为了按照惯例实现API一致性。

返回:

self对象: 返回Transformer对象。

fit_transform(X, y=None)[源代码]#

将模型与X匹配并对X进行降维。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: 训练数据。
y忽视: 未使用，此处列出是为了按照惯例实现API一致性。

返回:

X_new形状的nd数组（n_samples，n_components）: X的简化版本。这将始终是一个密集阵列。

get_feature_names_out(input_features=None)[源代码]#

获取用于转换的输出要素名称。

输出的功能名称将以大写的类别名称为开头。例如，如果Transformer输出3个特征，则输出的特征名称为： ["class_name0", "class_name1", "class_name2"] .

参数:

input_features字符串或无的类数组，默认=无: 仅用于通过中看到的名称验证要素名称 fit .

返回:

feature_names_out字符串对象的nd数组: 转换的功能名称。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:

routingMetadataRequest: A MetadataRequest 封装路由信息。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数:

deep布尔，默认=True: 如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:

paramsdict: 参数名称映射到其值。

inverse_transform(X)[源代码]#

将X转换回其原始空间。

返回一个数组X_original，其变换为X。

参数:

X形状类似阵列（n_samples，n_components）: New data.

返回:

X_original形状的nd数组（n_samples，n_features）: 请注意，这始终是一个密集数组。

set_output(*, transform=None)[源代码]#

设置输出容器。

看到介绍 set_output API 了解如何使用API的示例。

参数:

transform{“默认”，“pandas”，“polars”}，默认=无

配置输出 transform 和 fit_transform .

"default" ：Transformer的默认输出格式
"pandas" ：DataFrame输出
"polars" ：两极输出
None ：转换配置不变

Added in version 1.4: "polars" 添加了选项。

返回:

self估计器实例: 估计实例。

set_params(**params)[源代码]#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ).后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

参数:

**paramsdict: 估计参数。

返回:

self估计器实例: 估计实例。

transform(X)[源代码]#

对X进行降维。

参数:

X形状（n_samples，n_features）的{类数组，稀疏矩阵}: New data.

返回:

X_new形状的nd数组（n_samples，n_components）: X的简化版本。这将始终是一个密集阵列。