TruncatedSVD#

class sklearn.decomposition.TruncatedSVD(n_components=2, *, algorithm='randomized', n_iter=5, n_oversamples=10, power_iteration_normalizer='auto', random_state=None, tol=0.0)#

降维使用截断的SVD（又名LSA）。

该转换器通过截断奇异值分解（SVD）执行线性降维。与PCA不同，该估计器在计算奇异值分解之前不会对数据进行中心化处理。这意味着它可以高效地处理稀疏矩阵。

特别是，截断SVD适用于由:mod:sklearn.feature_extraction.text 中的向量化器返回的词频/tf-idf矩阵。在这种情况下，它被称为潜在语义分析（LSA）。

该估计器支持两种算法：一种快速的随机SVD求解器，以及一种使用ARPACK作为特征求解器的“朴素”算法，对 X * X.T 或 X.T * X 进行求解，哪个更高效。

更多信息请参阅:ref:用户指南 <LSA> 。

Parameters:
n_componentsint, default=2

输出数据所需的维度。 如果algorithm=’arpack’，必须严格小于特征数量。 如果algorithm=’randomized’，必须小于或等于特征数量。 默认值适用于可视化。对于LSA，建议值为100。

algorithm{‘arpack’, ‘randomized’}, default=’randomized’

使用的SVD求解器。可以是SciPy中的ARPACK包装器（scipy.sparse.linalg.svds）的”arpack”，或Halko（2009）的随机算法”randomized”。

n_iterint, default=5

随机SVD求解器的迭代次数。ARPACK不使用。 默认值大于:func:~sklearn.utils.extmath.randomized_svd 中的默认值，以处理可能具有大缓慢衰减谱的稀疏矩阵。

n_oversamplesint, default=10

随机SVD求解器的过采样数量。ARPACK不使用。 详见:func:~sklearn.utils.extmath.randomized_svd 。

Added in version 1.1.

power_iteration_normalizer{‘auto’, ‘QR’, ‘LU’, ‘none’}, default=’auto’

随机SVD求解器的幂迭代归一化器。 ARPACK不使用。详见:func:~sklearn.utils.extmath.randomized_svd 。

Added in version 1.1.

random_stateint, RandomState instance or None, default=None

在随机svd中使用。传递一个int以在多次函数调用中获得可重复的结果。 详见:term:Glossary <random_state> 。

tolfloat, default=0.0

ARPACK的容差。0表示机器精度。随机SVD求解器忽略。

Attributes:
components_ndarray of shape (n_components, n_features)

输入数据的右奇异向量。

explained_variance_ndarray of shape (n_components,)

训练样本通过投影到每个分量后的方差。

explained_variance_ratio_ndarray of shape (n_components,)

每个选定分量解释的方差百分比。

singular_values_ndarray of shape (n_components,)

每个选定分量对应的奇异值。 奇异值等于低维空间中 n_components 变量的2-范数。

n_features_in_int

在:term:fit 期间看到的特征数量。

Added in version 0.24.

feature_names_in_ndarray of shape ( n_features_in_ ,)

在:term:fit 期间看到的特征名称。仅当 X 的特征名称均为字符串时定义。

Added in version 1.0.

See also

DictionaryLearning

找到一个稀疏编码数据的字典。

FactorAnalysis

一个具有高斯隐变量的简单线性生成模型。

IncrementalPCA

增量主成分分析。

KernelPCA

核主成分分析。

NMF

非负矩阵分解。

PCA

主成分分析。

Notes

SVD存在一个称为“符号不确定性”的问题，这意味着 components_ 的符号和变换的输出取决于算法和随机状态。为解决这个问题，请将此类的实例拟合到数据一次，然后保留实例以进行变换。

References

Halko, et al. (2009). “Finding structure with randomness: Stochastic algorithms for constructing approximate matrix decompositions”

Examples

>>> from sklearn.decomposition import TruncatedSVD
>>> from scipy.sparse import csr_matrix
>>> import numpy as np
>>> np.random.seed(0)
>>> X_dense = np.random.rand(100, 100)
>>> X_dense[:, 2 * np.arange(50)] = 0
>>> X = csr_matrix(X_dense)
>>> 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_)
[0.0157... 0.0512... 0.0499... 0.0479... 0.0453...]
>>> print(svd.explained_variance_ratio_.sum())
0.2102...
>>> print(svd.singular_values_)
[35.2410...  4.5981...   4.5420...  4.4486...  4.3288...]
fit(X, y=None)#

拟合模型在训练数据 X 上。

Parameters:
X{array-like, sparse matrix}，形状为 (n_samples, n_features)

训练数据。

y忽略

未使用，为了保持 API 一致性而存在。

Returns:
selfobject

返回转换器对象。

fit_transform(X, y=None)#

拟合模型到X并执行X的降维。

Parameters:
X{array-like, sparse matrix}，形状为 (n_samples, n_features)

训练数据。

y忽略

未使用，此处存在是为了API的一致性，按惯例提供。

Returns:
X_newndarray，形状为 (n_samples, n_components)

X的简化版本。这总是一个密集数组。

get_feature_names_out(input_features=None)#

获取转换后的输出特征名称。

输出特征名称将以小写的类名作为前缀。例如，如果转换器输出3个特征，那么输出特征名称将是： ["class_name0", "class_name1", "class_name2"] 。

Parameters:
input_features类似数组的对象或None，默认为None

仅用于验证特征名称与 fit 中看到的名称。

Returns:
feature_names_outndarray of str对象

转换后的特征名称。

get_metadata_routing()#

获取此对象的元数据路由。

请查看 用户指南 以了解路由机制的工作原理。

Returns:
routingMetadataRequest

MetadataRequest 封装的 路由信息。

get_params(deep=True)#

获取此估计器的参数。

Parameters:
deepbool, 默认=True

如果为True，将返回此估计器和包含的子对象（也是估计器）的参数。

Returns:
paramsdict

参数名称映射到它们的值。

inverse_transform(X)#

将X转换回其原始空间。

返回一个数组X_original，其转换结果为X。

Parameters:
X形状为(n_samples, n_components)的类数组

新数据。

Returns:
X_original形状为(n_samples, n_features)的ndarray

请注意，这总是一个密集数组。

set_output(*, transform=None)#

设置输出容器。

请参阅 介绍 set_output API 以了解如何使用API的示例。

Parameters:
transform{“default”, “pandas”, “polars”}, 默认=None

配置 transform 和 fit_transform 的输出。

  • "default" : 转换器的默认输出格式

  • "pandas" : DataFrame 输出

  • "polars" : Polars 输出

  • None : 转换配置不变

Added in version 1.4: "polars" 选项已添加。

Returns:
self估计器实例

估计器实例。

set_params(**params)#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ）。后者具有形式为 <component>__<parameter> 的参数，以便可以更新嵌套对象的每个组件。

Parameters:
**paramsdict

估计器参数。

Returns:
selfestimator instance

估计器实例。

transform(X)#

执行维度降低操作于X。

Parameters:
X{array-like, sparse matrix}，形状为 (n_samples, n_features)

新数据。

Returns:
X_newndarray，形状为 (n_samples, n_components)

X的简化版本。这总是一个密集数组。

On this page
Show Source