sklearn.decomposition.TruncatedSVD?

class sklearn.decomposition.TruncatedSVD(n_components=2, *, algorithm='randomized', n_iter=5, random_state=None, tol=0.0)

[源碼]

使用截斷SVD(即LSA)降維。

該變壓器采用截斷奇異值分解(SVD)進行線性降維。與主成分分析相反，該估計器在計算奇異值分解前不集中數據。這意味著它可以有效地處理稀疏矩陣。

特別地，截斷的SVD適用于由sklearn.feature_extraction.text中的矢量器返回的term count/tf-idf矩陣。在這種情況下，它被稱為潛在語義分析(LSA)。

該估計器支持兩種算法:一種是快速隨機SVD求解器，另一種是在X * X.T or X.T * X上使用ARPACK作為特征求解器的“天真”算法.X * X.T or X.T * X哪個效率更高。

在用戶指南中閱讀更多內容

參數 說明
n_components int, default = 2
輸出數據的期望維數。必須嚴格小于特性的數量。默認值對可視化很有用。對于LSA，建議值為100。
algorithm string, default = “randomized”
SVD求解器使用。或者用“arpack”表示SciPy中的arpack包裝(SciPy .sparse.linalg.svds)，或者用“random”表示由Halko(2009)提出的隨機算法。
n_iter int, optional (default 5)
隨機SVD求解器的迭代次數。ARPACK沒有使用。默認值比randomized_svd中的默認值大，用于處理可能有較大的緩慢衰減頻譜的稀疏矩陣。
random_state int, RandomState instance, default=None
用于隨機svd。在多個函數調用中傳遞可重復的結果。詳見術語表。
tol float, optional
對ARPACK的容忍度。0表示機器精度。隨機SVD求解器忽略。
屬性 說明
components_ array, shape (n_components, n_features)
explained_variance_ array, shape (n_components,)
訓練樣本的方差由投影轉換到每個分量。
explained_variance_ratio_ array, shape (n_components,)
所選擇的每個組成部分所解釋的方差百分比。
singular_values_ array, shape (n_components,)
對應于每個選定分量的奇異值。奇異值等于低維空間中n_component變量的2-范數。

另見:

PCA

注意:

SVD有一個叫做“符號不確定性”的問題，這意味著 components_ 的符號和transform的輸出依賴于算法和隨機狀態。要解決這個問題，只需將該類的實例與數據匹配一次，然后保留該實例來執行轉換。

參考文獻:

Finding structure with randomness: Stochastic algorithms for constructing approximate matrix decompositions Halko, et al., 2009 (arXiv:909) https://arxiv.org/pdf/0909.4061.pdf

示例:

>>> from sklearn.decomposition import TruncatedSVD
>>> from scipy.sparse import random as sparse_random
>>> from sklearn.random_projection import sparse_random_matrix
>>> X = sparse_random(100, 100, density=0.01, format='csr',
...                   random_state=42)
>>> 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_)
[0.0646... 0.0633... 0.0639... 0.0535... 0.0406...]
>>> print(svd.explained_variance_ratio_.sum())
0.286...
>>> print(svd.singular_values_)
[1.553... 1.512...  1.510... 1.370... 1.199...]

方法:

方法 說明
fit(X[, y]) 在訓練數據X上擬合LSI模型。
fit_transform(X[, y]) 將LSI模型擬合到X上，對X進行降維。
get_params([deep]) 獲取這個估計器的參數。
inverse_transform(X) 將X變換回原來的空間。
set_params(**params) 設置這個估計器的參數。
transform(X) 對X進行降維。 
__init__(n_components=2, *, algorithm='randomized', n_iter=5, random_state=None, tol=0.0)

[源碼]

初始化self. See 請參閱help(type(self))以獲得準確的說明。

fit(X, y=None)[source]

[源碼]

在訓練數據X上擬合LSI模型。

參數 說明
X array-like, shape (n_samples, n_features)
訓練向量，其中樣本數量中的n_samples和n_features為feature的數量。
y Ignored
返回值 說明書
self object
返回transformer對象。		 
fit_transform(X, y=None)

[源碼]

將LSI模型擬合到X上，對X進行降維。

參數 說明
X {array-like, sparse matrix}, shape (n_samples, n_features)
訓練數據
y Ignored
返回值 說明書
X_new array, shape (n_samples, n_components)
簡化后的x。這將始終是一個密集數組。		 
get_params(deep=True)

[源碼]

獲取這個估計器的參數。

參數 說明
deep bool, default=True
如果為True，則將返回此估計器的參數和所包含的作為估計器的子對象。
返回值 說明
params mapping of string to any
參數名稱映射到它們的值。		 
inverse_transform(X)

[源碼]

將X變換回原來的空間。

返回轉換為X的數組X_original。

參數 說明
X array-like, shape (n_samples, n_components)
新的數據
返回值 說明書
X_original array, shape (n_samples, n_features)
注意，這始終是一個密集數組。		 
set_params(**params)

設置這個估計器的參數。

該方法適用于簡單估計量和嵌套對象。后者具有形式為<component>_<parameter>的參數，這樣就讓更新嵌套對象的每個組件成為了可能。

參數 說明
**params dict
估計器參數。
返回值 說明書
self object
估計器實例		 
transform(X)

[源碼]

參數 說明
X {array-like, sparse matrix}, shape (n_samples, n_features)
新的數據
返回值 說明書
X_new array, shape (n_samples, n_components)
簡化后的x。這將始終是一個密集數組。