GaussianRandomProjection

классsklearn.random_projection.GaussianRandomProjection(n_components='auto', *, eps=0.1, compute_inverse_components=False, random_state=None)[source]

Сокращение размерности с помощью случайного гауссова проектирования.

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

Подробнее см. в Руководстве пользователя.

Добавлена в версии 0.13.

Параметры:

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

Размерность целевого пространства проекции.

n_components может быть автоматически скорректирован в соответствии с количеством выборок в наборе данных и границей, заданной леммой Джонсона-Линденстресса. В этом случае качество встраивания контролируется параметром eps.

Следует отметить, что лемма Джонсона-Линденстресса может давать очень консервативные оценки необходимого количества компонентов, так как она не делает предположений о структуре набора данных.

epsfloat, по умолчанию=0.1

Параметр для управления качеством встраивания в соответствии с леммой Джонсона-Линденстресса, когда n_components задано как ‘auto’. Значение должно быть строго положительным.

Меньшие значения приводят к лучшему встраиванию и большему количеству измерений (n_components) в целевом пространстве проекции.

compute_inverse_componentsbool, по умолчанию=False

Обучить обратное преобразование, вычислив псевдообратное значение компонентов во время подгонки. Обратите внимание, что вычисление псевдообратного значения не масштабируется хорошо для больших матриц.

random_stateint, экземпляр RandomState или None, по умолчанию=None

Управляет генератором псевдослучайных чисел, используемым для генерации матрицы проекции во время подгонки. Передайте целое число для воспроизводимого результата при многократном вызове функций. См. Словарь.

Атрибуты:

n_components_int

Конкретное количество вычисленных компонентов при n_components=”auto”.

components_массив формы (n_components, n_features)

Случайная матрица, используемая для проекции.

inverse_components_массив формы (n_features, n_components)

Псевдообратное значение компонентов, вычисляется только если compute_inverse_components равно True.

Добавлена в версии 1.1.

n_features_in_int

Количество признаков, увиденных во время подгонки.

Добавлена в версии 0.24.

feature_names_in_массив формы (n_features_in_,)

Имена признаков, увиденных во время подгонки. Определяется только если X имеет имена признаков, которые являются строками.

Добавлена в версии 1.0.

См. также

SparseRandomProjection

Сокращение размерности с помощью разреженного случайного проектирования.

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)[source]

Генерирует матрицу разреженного случайного проектирования.

Параметры:

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

Обучающий набор: только форма используется для нахождения оптимальных размеров случайной матрицы на основе теории, упомянутой в указанных выше статьях.

yИгнорируется

Не используется, присутствует здесь для согласованности API по соглашению.

Возвращает:

selfобъект

экземпляр класса BaseRandomProjection.

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

Подгоняет данные, а затем преобразует их.

Подгоняет преобразователь к X и y с необязательными параметрами fit_params и возвращает преобразованную версию X.

Параметры:

Xмассив-подобный формы (n_samples, n_features)

Входные примеры.

yмассив-подобный формы (n_samples,) или (n_samples, n_outputs), по умолчанию=None

Значения целевой переменной (None для неконтролируемых преобразований).

**fit_paramsdict

Дополнительные параметры подгонки.

Возвращает:

X_newмассив ndarray формы (n_samples, n_features_new)

Преобразованный массив.

get_feature_names_out(input_features=None)[source]

Получить имена выходных признаков для преобразования.

Имена выходных признаков будут иметь префикс с нижним регистром имени класса. Например, если преобразователь выводит 3 признака, то имена выходных признаков таковы: ["class_name0", "class_name1", "class_name2"].

Параметры:

input_featuresмассив-подобный str или None, по умолчанию=None

Используется только для проверки имен признаков с именами, увиденными в fit.

Возвращает:

feature_names_outмассив str объектов

Имена преобразованных признаков.

get_metadata_routing()[source]

Получить маршрутизацию метаданных этого объекта.

Пожалуйста, см. Руководство пользователя о том, как работает механизм маршрутизации.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий информацию о маршрутизации.

get_params(deep=True)[source]

Получить параметры этого оценивателя.

Параметры:

deepbool, по умолчанию=True

Если True, вернет параметры этого оценивателя и вложенных подобъектов, являющихся оценивателями.

Возвращает:

paramsdict

Имена параметров, сопоставленные со значениями.

inverse_transform(X)[source]

Проецирование данных обратно в исходное пространство.

Возвращает массив X_original, преобразование которого даст X. Обратите внимание, что даже если X разреженный, X_original плотный: это может потребовать много оперативной памяти.

Если compute_inverse_components равно False, обратное преобразование компонентов вычисляется при каждом вызове inverse_transform, что может быть дорогостоящим.

Параметры:

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

Данные для обратного преобразования.

Возвращает:

X_originalмассив ndarray формы (n_samples, n_features)

Восстановленные данные.

set_output(*, transform=None)[source]

Установка контейнера вывода.

См. Введение в API set_output для примера использования API.

Параметры:

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

Настройка вывода transform и fit_transform.

• "default": Формат вывода по умолчанию для преобразователя
• "pandas": Вывод в формате DataFrame
• "polars": Вывод в формате Polars
• None: Настройка преобразования не изменяется

Добавлена в версии 1.4: "polars" вариант был добавлен.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

set_params(**params)[source]

Установить параметры этого оценщика.

Метод работает с простыми оценщиками, а также с вложенными объектами (такими как Pipeline). Последние имеют параметры в формате <component>__<parameter>, чтобы можно было обновить каждый компонент вложенного объекта.

Параметры:

**paramsсловарь

Параметры оценщика.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

transform(X)[source]

Проектирование данных с помощью матричного умножения на случайную матрицу.

Параметры:

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

Входные данные для проекции в пространство меньшей размерности.

Возвращает:

X_newмассив ndarray формы (n_samples, n_components)

Проектированный массив.