SparseRandomProjection#

class sklearn.random_projection.SparseRandomProjection(n_components='auto', *, density='auto', eps=0.1, dense_output=False, compute_inverse_components=False, random_state=None)#

通过稀疏随机投影降低维度。

稀疏随机矩阵是密集随机投影矩阵的替代方案，保证类似的嵌入质量，同时具有更高的内存效率并允许更快的投影数据计算。

如果我们记 s = 1 / density ，随机矩阵的组成部分从以下分布中抽取：

  • -sqrt(s) / sqrt(n_components) 以概率 1 / 2s

  • 0 以概率 1 - 1 / s

  • +sqrt(s) / sqrt(n_components) 以概率 1 / 2s

更多信息请参阅 用户指南 。

Added in version 0.13.

Parameters:
n_componentsint or ‘auto’, default=’auto’

目标投影空间的维度。

n_components 可以根据数据集中的样本数量和 Johnson-Lindenstrauss 引理给出的界限自动调整。在这种情况下，嵌入质量由 eps 参数控制。

需要注意的是，Johnson-Lindenstrauss 引理可能会产生非常保守的所需组件数量估计，因为它不对数据集的结构做任何假设。

densityfloat or ‘auto’, default=’auto’

随机投影矩阵中非零组件的比例，范围在 (0, 1] 之间。

如果 density = ‘auto’，则该值设置为 Ping Li 等人推荐的最低密度：1 / sqrt(n_features)。

如果你想重现 Achlioptas, 2001 的结果，请使用 density = 1 / 3.0。

epsfloat, default=0.1

当 n_components 设置为 ‘auto’ 时，用于控制嵌入质量的参数，根据 Johnson-Lindenstrauss 引理。该值应严格为正。

较小的值会导致更好的嵌入和目标投影空间中更多的维度（n_components）。

dense_outputbool, default=False

如果为 True，确保随机投影的输出即使输入和随机投影矩阵都是稀疏的，也使用密集的 numpy 数组。实际上，如果组件数量很少，投影数据中的零组件数量将非常少，使用密集表示会更高效。

如果为 False，则投影数据在输入为稀疏时使用稀疏表示。

compute_inverse_componentsbool, default=False

在拟合过程中通过计算组件的伪逆来学习逆变换。请注意，伪逆总是一个密集数组，即使训练数据是稀疏的。这意味着可能需要在主机上分批处理样本调用 inverse_transform 以避免耗尽可用内存。此外，计算伪逆在大矩阵上扩展性不佳。

random_stateint, RandomState instance or None, default=None

控制用于在拟合时生成投影矩阵的伪随机数生成器。 传递一个 int 以在多次函数调用中获得可重复的输出。 参见 Glossary 。

Attributes:
n_components_int

当 n_components=”auto” 时计算的具体组件数量。

components_形状为 (n_components, n_features) 的稀疏矩阵

用于投影的随机矩阵。稀疏矩阵将是 CSR 格式。

inverse_components_形状为 (n_features, n_components) 的 ndarray

仅在 compute_inverse_components 为 True 时计算的组件的伪逆。

Added in version 1.1.

density_范围在 0.0 - 1.0 之间的浮点数

当 density = “auto” 时计算的具体密度。

n_features_in_int

在 fit 期间看到的特征数量。

Added in version 0.24.

feature_names_in_形状为 ( n_features_in_ ,) 的 ndarray

在 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

GaussianRandomProjection

通过高斯随机投影降低维度。

References

[1]

Ping Li, T. Hastie and K. W. Church, 2006, “Very Sparse Random Projections”. https://web.stanford.edu/~hastie/Papers/Ping/KDD06_rp.pdf

[2]

D. Achlioptas, 2001, “Database-friendly random projections”, https://cgi.di.uoa.gr/~optas/papers/jl.pdf

Examples

>>> import numpy as np
>>> from sklearn.random_projection import SparseRandomProjection
>>> rng = np.random.RandomState(42)
>>> X = rng.rand(25, 3000)
>>> transformer = SparseRandomProjection(random_state=rng)
>>> X_new = transformer.fit_transform(X)
>>> X_new.shape
(25, 2759)
>>> # 很少的组件是非零的
>>> np.mean(transformer.components_ != 0)
0.0182...
fit(X, y=None)#

生成一个稀疏随机投影矩阵。

Parameters:
X{ndarray, sparse matrix}，形状为 (n_samples, n_features)

训练集：仅使用形状来根据上述论文中引用的理论找到最佳随机矩阵维度。

y忽略

未使用，此处仅为了API一致性而存在。

Returns:
selfobject

BaseRandomProjection 类实例。

fit_transform(X, y=None, **fit_params)#

拟合数据，然后进行转换。

将转换器拟合到 X 和 y ，并带有可选参数 fit_params ， 并返回 X 的转换版本。

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

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组, 默认=None

目标值（无监督转换为 None）。

**fit_paramsdict

其他拟合参数。

Returns:
X_new形状为 (n_samples, n_features_new) 的 ndarray 数组

转换后的数组。

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)#

将数据投影回其原始空间。

返回一个数组 X_original，其变换结果为 X。请注意，即使 X 是稀疏的，X_original 也是密集的：这可能会使用大量 RAM。

如果 compute_inverse_components 为 False，则在每次调用 inverse_transform 时计算组件的逆，这可能会很耗时。

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

要变换回的数据。

Returns:
X_originalndarray，形状为 (n_samples, n_features)

重建的数据。

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)#

将数据通过与随机矩阵的矩阵乘积进行投影。

Parameters:
X{ndarray, sparse matrix}，形状为 (n_samples, n_features)

要投影到较小维度空间中的输入数据。

Returns:
X_new{ndarray, sparse matrix}，形状为 (n_samples, n_components)

投影后的数组。只有当输入是稀疏矩阵且 dense_output = False 时，它才是稀疏矩阵。

On this page
Show Source