sklearn.decomposition.dict_learning?

sklearn.decomposition.dict_learning(X, n_components, *, alpha, max_iter=100, tol=1e-08, method='lars', n_jobs=None, dict_init=None, code_init=None, callback=None, verbose=False, random_state=None, return_n_iter=False, positive_dict=False, positive_code=False, method_max_iter=1000)

[源碼]

解決字典學習矩陣的分解問題。

通過求解，找到逼近數據矩陣X的最佳字典和對應的稀疏代碼:

(U^*, V^*) = argmin 0.5 || X - U V ||_2^2 + alpha * || U ||_1
             (U,V)
            with || V_k ||_2 = 1 for all  0 <= k < n_components

V是字典，U是稀疏代碼。

參數 說明
X array of shape (n_samples, n_features)
數據矩陣。
n_components int,
要提取的字典原子數。
alpha int,
稀疏的控制參數。
max_iter int,
要執行的最大迭代次數。
tol float,
停止條件的容忍度。
method {‘lars’, ‘cd’}
lars:使用最小角度回歸方法求解lasso問題(linear_model.lars_path) cd:使用坐標下降方法計算lasso解(linear_model.Lasso)。如果估計的組件是稀疏的，Lars會更快。
n_jobs int or None, optional (default=None)
要運行的并行作業數量。None是1，除非在joblib.parallel_backend上下文。-1表示使用所有處理器。詳見術語表。
dict_init array of shape (n_components, n_features),
用于熱重啟場景的字典的初始值。
code_init array of shape (n_samples, n_components),
用于熱重啟場景的稀疏代碼的初始值。
callback callable or None, optional (default: None)
可調用的，每5次迭代調用一次
verbose bool, optional (default: False)
控制程序的冗長。
random_state int, RandomState instance or None, optional (default=None)
用于隨機初始化字典。在多個函數調用中傳遞可重復的結果。詳見術語表。
return_n_iter bool
是否返回迭代次數。
positive_dict bool
查找字典時是否要加強積極性。

新版本0.20。
positive_code bool
在尋找代碼時是否加強積極性。

新版本0.20。
method_max_iter int, optional (default=1000)
要執行的最大迭代次數。

新版本0.22。
返回值 說明
code array of shape (n_samples, n_components)
矩陣分解中的稀疏碼因子。
dictionary array of shape (n_components, n_features),
矩陣分解中的字典因子。
errors array
每次迭代的錯誤向量。
n_iter int
運行的迭代次數。僅當return_n_iter設置為真時返回。

另見: