GaussianRandomProjection

classsklearn.random_projection.GaussianRandomProjection(n_components='auto', *, eps=0.1, compute_inverse_components=False, random_state=None)[исходный код]

Снижение размерности с помощью гауссовой случайной проекции.

Элементы случайной матрицы выбираются из N(0, 1 / n_components).

Подробнее см. в руководстве пользователя.

Добавлено в версии 0.13.

Параметры:

n_componentsint или ‘auto’, по умолчанию=’auto’

Размерность целевого пространства проекции.

Значение n_components может автоматически корректироваться в зависимости от числа объектов в наборе данных и границы, заданной леммой Джонсона — Линденштраусса. В этом случае качество вложения определяется параметром eps.

Следует отметить, что лемма Джонсона — Линденштраусса может давать весьма консервативные оценки необходимого числа компонент, поскольку не делает никаких предположений о структуре набора данных.

epsfloat, по умолчанию=0.1

Параметр, управляющий качеством вложения согласно лемме Джонсона — Линденштраусса, если для n_components задано значение ‘auto’. Значение должно быть строго положительным.

Меньшие значения обеспечивают более качественное вложение и большее число измерений (n_components) в целевом пространстве проекции.

compute_inverse_componentsbool, по умолчанию=False

Вычислить обратное преобразование, найдя псевдообратную матрицу компонент во время fit. Обратите внимание, что вычисление псевдообратной матрицы плохо масштабируется для больших матриц.

random_stateint, экземпляр RandomState или None, по умолчанию=None

Управляет генератором псевдослучайных чисел, используемым для создания матрицы проекции во время fit. Передайте int, чтобы получать воспроизводимые результаты при нескольких вызовах функции. См. глоссарий.

Атрибуты:

n_components_int

Фактическое число компонент, вычисленное при n_components=”auto”.

components_ndarray формы (n_components, n_features)

Случайная матрица, используемая для проекции.

inverse_components_ndarray формы (n_features, n_components)

Псевдообратная матрица компонент; вычисляется, только если compute_inverse_components имеет значение True.

Добавлено в версии 1.1.

n_features_in_int

Число признаков, обнаруженных во время fit.

Добавлено в версии 0.24.

feature_names_in_ndarray формы (n_features_in_,)

Названия признаков, обнаруженных во время fit. Определяется только тогда, когда X содержит названия признаков, представленные строками.

Добавлено в версии 1.0.

См. также

SparseRandomProjection

Снижение размерности с помощью разреженной случайной проекции.

Примеры

>>> import numpy as np
>>> from sklearn.random_projection import GaussianRandomProjection
>>> rng = np.random.RandomState(42)
>>> X = rng.rand(25, 3000)
>>> transformer = GaussianRandomProjection(random_state=rng)
>>> X_new = transformer.fit_transform(X)
>>> X_new.shape
(25, 2759)

fit(X, y=None)[исходный код]

Создать разреженную случайную матрицу проекции.

Параметры:

X{ndarray, разреженная матрица} формы (n_samples, n_features)

Обучающая выборка: для определения оптимальных размеров случайной матрицы используется только форма, основанная на теории, изложенной в упомянутых выше статьях.

yИгнорируется

Не используется; присутствует здесь для соблюдения принятого соглашения о согласованности API.

Возвращает:

selfобъект

Экземпляр класса BaseRandomProjection.

fit_transform(X, y=None, **fit_params)[исходный код]

Обучить преобразователь на данных, а затем преобразовать их.

Обучает преобразователь на X и y с необязательными параметрами fit_params и возвращает преобразованную версию X.

Параметры:

Xarray-like формы (n_samples, n_features)

Входные объекты.

yarray-like формы (n_samples,) или (n_samples, n_outputs), по умолчанию=None

Целевые значения (None для преобразований без учителя).

**fit_paramsdict

Дополнительные параметры fit. Передавайте их, только если оцениватель принимает дополнительные параметры в методе fit.

Возвращает:

X_newndarray формы (n_samples, n_features_new)

Преобразованный массив.

get_feature_names_out(input_features=None)[исходный код]

Получить названия выходных признаков для преобразования.

К названиям выходных признаков добавляется имя класса в нижнем регистре. Например, если преобразователь возвращает 3 признака, то их названия будут следующими: ["class_name0", "class_name1", "class_name2"].

Параметры:

input_featuresarray-like из str или None, по умолчанию=None

Используется только для проверки названий признаков по названиям, обнаруженным в fit.

Возвращает:

feature_names_outndarray из объектов str

Названия преобразованных признаков.

get_metadata_routing()[исходный код]

Получить информацию о маршрутизации метаданных этого объекта.

О том, как работает механизм маршрутизации, см. в руководстве пользователя.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий информацию о маршрутизации.

get_params(deep=True)[исходный код]

Получить параметры этого оценивателя.

Параметры:

deepbool, по умолчанию=True

Если True, будут возвращены параметры этого оценивателя и содержащихся в нём подобъектов, являющихся оценивателями.

Возвращает:

paramsdict

Названия параметров и соответствующие им значения.

inverse_transform(X)[исходный код]

Спроецировать данные обратно в исходное пространство.

Возвращает массив X_original, прямое преобразование которого даст X. Обратите внимание, что даже если X является разреженным, X_original будет плотным: для него может потребоваться много оперативной памяти.

Если compute_inverse_components имеет значение False, обратная матрица компонент вычисляется при каждом вызове inverse_transform, что может быть затратным.

Параметры:

X{array-like, разреженная матрица} формы (n_samples, n_components)

Данные для обратного преобразования.

Возвращает:

X_originalndarray формы (n_samples, n_features)

Восстановленные данные.

set_output(*, transform=None)[исходный код]

Задать контейнер выходных данных.

Подробнее см. в руководстве пользователя; пример использования API приведён в разделе Знакомство с API set_output.

Параметры:

transform{“default”, “pandas”, “polars”}, по умолчанию=None

Настроить формат выходных данных для transform и fit_transform.

• "default": формат выходных данных преобразователя по умолчанию
• "pandas": вывод в формате DataFrame
• "polars": вывод в формате Polars
• None: конфигурация преобразования не изменяется

Добавлено в версии 1.4: добавлен параметр "polars".

Возвращает:

selfэкземпляр оценивателя

Экземпляр оценивателя.

set_params(**params)[исходный код]

Задать параметры этого оценивателя.

Метод работает как с простыми оценивателями, так и с вложенными объектами (например, Pipeline). Параметры последних имеют вид <component>__<parameter>, что позволяет обновлять каждый компонент вложенного объекта.

Параметры:

**paramsdict

Параметры оценивателя.

Возвращает:

selfэкземпляр оценивателя

Экземпляр оценивателя.

transform(X)[исходный код]

Спроецировать данные, умножив их на случайную матрицу.

Параметры:

X{ndarray, разреженная матрица} формы (n_samples, n_features)

Входные данные для проекции в пространство меньшей размерности.

Возвращает:

X_newndarray формы (n_samples, n_components)

Спроецированный массив.