локально-линейное_вложение

sklearn.manifold.locally_linear_embedding(X, *, n_neighbors, n_components, reg=0.001, eigen_solver='auto', tol=1e-06, max_iter=100, method='standard', hessian_tol=0.0001, modified_tol=1e-12, random_state=None, n_jobs=None)[source]

Выполните анализ Locally Linear Embedding на данных.

Подробнее см. в Руководстве пользователя.

Параметры:

X{array-like, NearestNeighbors}

Данные выборки, форма = (n_samples, n_features), в виде массива NumPy или объекта NearestNeighbors.

n_neighborsint

Количество соседей для рассмотрения для каждой точки.

n_componentsint

Количество координат для многообразия.

regfloat, default=1e-3

Постоянная регуляризации, умножает след локальной ковариационной матрицы расстояний.

eigen_solver{‘auto’, ‘arpack’, ‘dense’}, default=’auto’

auto : алгоритм попытается выбрать лучший метод для входных данных

arpackиспользует итерацию Арнольди в режиме сдвига-инверсии.

Для этого метода M может быть плотной матрицей, разреженной матрицей или общим линейным оператором. Предупреждение: ARPACK может быть неустойчивым для некоторых задач. Лучше всего попробовать несколько случайных семян, чтобы проверить результаты.

denseиспользует стандартные операции плотных матриц для вычисления

разложения собственных значений. Для этого метода M должен быть массивом или типом матрицы. Этот метод следует избегать для больших задач.

tolfloat, default=1e-6

Допуск для метода ‘arpack’. Не используется, если eigen_solver==’dense’.

max_iterint, default=100

Максимальное число итераций для решателя arpack.

method{‘standard’, ‘hessian’, ‘modified’, ‘ltsa’}, default=’standard’

standardиспользует стандартный алгоритм Locally Linear Embedding.

см. ссылку [1]

hessianиспользует метод собственных отображений Гессе. Этот метод требует

n_neighbors > n_components * (1 + (n_components + 1) / 2. см. ссылку [2]

modifiedиспользует модифицированный алгоритм Locally Linear Embedding.

см. ссылку [3]

ltsaиспользует алгоритм выравнивания локального касательного пространства.

см. ссылку [4]

hessian_tolfloat, default=1e-4

Допуск для метода собственного отображения Гессе. Используется только в том случае, если method == ‘hessian’.

modified_tolfloat, default=1e-12

Допуск для модифицированного метода LLE. Используется только в том случае, если method == ‘modified’.

random_stateint, RandomState instance, default=None

Определяет генератор случайных чисел, когда solver == ‘arpack’. Передайте целое число для воспроизводимых результатов при многократном вызове функции. См. Словарь.

n_jobsint or None, default=None

Количество параллельных задач для поиска соседей. None означает 1, если не в контексте joblib.parallel_backend. -1 означает использование всех процессоров. См. Словарь для получения более подробной информации.

Возвращаемые значения:

Yndarray of shape (n_samples, n_components)

Векторы вложения.

squared_errorfloat

Ошибка реконструции для векторов вложения. Эквивалентно norm(Y - W Y, 'fro')**2, где W — веса реконструкции.

Ссылки

[1]

Roweis, S. & Saul, L. Нелинейное уменьшение размерности с помощью локальной линейной вставки. Science 290:2323 (2000).

[2]

Donoho, D. & Grimes, C. Собственные векторы Гессе: методы локальной линейной вставки для данных высокой размерности. Proc Natl Acad Sci U S A. 100:5591 (2003).

[3]

Zhang, Z. & Wang, J. MLLE: Модифицированная локальная линейная вставка с использованием нескольких весов.

[4]

Zhang, Z. & Zha, H. Главные многообразия и нелинейное уменьшение размерности посредством выравнивания касательной плоскости. Journal of Shanghai Univ. 8:406 (2004)

Примеры

>>> from sklearn.datasets import load_digits
>>> from sklearn.manifold import locally_linear_embedding
>>> X, _ = load_digits(return_X_y=True)
>>> X.shape
(1797, 64)
>>> embedding, _ = locally_linear_embedding(X[:100],n_neighbors=5, n_components=2)
>>> embedding.shape
(100, 2)

Примеры галереи

Свернутый цилиндр и уменьшение свернутого цилиндра