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)[source]#
使用截断SVD（亦称LSA）进行降维。
此转换器通过截断奇异值分解（SVD）执行线性降维。与PCA不同，此估计器在计算奇异值分解之前不对数据进行中心化。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`sklearn.feature_extraction.text`中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）。
此估计器支持两种算法：一种是快速随机SVD求解器，另一种是“朴素”算法，它使用ARPACK作为`X * X.T`或`X.T * X`（取其中更高效者）的特征求解器。
请参阅用户指南了解更多信息。
- 参数:
- n_componentsint, default=2
输出数据的目标维度。如果算法为’arpack’，则必须严格小于特征数量。如果算法为’randomized’，则必须小于或等于特征数量。默认值对于可视化很有用。对于LSA，建议值为100。
- algorithm{‘arpack’, ‘randomized’}, default=’randomized’
要使用的SVD求解器。可以是SciPy中ARPACK包装器（scipy.sparse.linalg.svds）的“arpack”，或者Halko（2009）提出的随机算法的“randomized”。
- n_iterint, default=5
随机SVD求解器的迭代次数。ARPACK不使用此参数。默认值大于
randomized_svd中的默认值，以处理可能具有缓慢衰减大谱的稀疏矩阵。- n_oversamplesint, default=10
随机SVD求解器的过采样数量。ARPACK不使用此参数。有关完整说明，请参阅
randomized_svd。在 1.1 版本中新增。
- power_iteration_normalizer{‘auto’, ‘QR’, ‘LU’, ‘none’}, default=’auto’
随机SVD求解器的幂迭代归一化器。ARPACK不使用此参数。有关更多详细信息，请参阅
randomized_svd。在 1.1 版本中新增。
- random_stateint, RandomState instance or None, default=None
在随机SVD期间使用。传递一个整数可在多次函数调用中获得可重现的结果。请参阅术语表。
- tolfloat, default=0.0
ARPACK的容差。0表示机器精度。随机SVD求解器忽略此参数。
- 属性:
- components_形状为 (n_components, n_features) 的ndarray
输入数据的右奇异向量。
- explained_variance_形状为 (n_components,) 的ndarray
训练样本经过投影到每个分量后的方差。
- explained_variance_ratio_形状为 (n_components,) 的ndarray
每个选定分量解释的方差百分比。
- singular_values_形状为 (n_components,) 的ndarray
与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fit期间看到的特征数量。
在 0.24 版本中新增。
- feature_names_in_形状为 (`n_features_in_`,) 的str对象ndarray
在fit期间看到的特征名称。仅当`X`的所有特征名称均为字符串时定义。
在 1.0 版本中新增。
另请参阅
DictionaryLearning查找稀疏编码数据的字典。
FactorAnalysis一个具有高斯潜在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。
备注
SVD存在一个被称为“符号不确定性”的问题，这意味着`components_`的符号以及变换的输出取决于算法和随机状态。为了解决这个问题，请将此类的实例一次性拟合到数据，然后保留该实例以进行后续变换。
参考文献
示例
>>> 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)[source]#
在训练数据 X 上拟合模型。
- 参数:
- X形状为 (n_samples, n_features) 的{array-like, 稀疏矩阵}
训练数据。
- y忽略
未使用，按惯例在此处是为了API一致性。
- 返回:
- self对象
返回转换器对象。
- fit_transform(X, y=None)[source]#
将模型拟合到X并在X上执行降维。
- 参数:
- X形状为 (n_samples, n_features) 的{array-like, 稀疏矩阵}
训练数据。
- y忽略
未使用，按惯例在此处是为了API一致性。
- 返回:
- X_new形状为 (n_samples, n_components) 的ndarray
X的降维版本。这将始终是一个密集数组。
- get_feature_names_out(input_features=None)[source]#
获取变换的输出特征名称。
输出特征名称将以小写类名作为前缀。例如，如果转换器输出3个特征，则输出特征名称为：`["class_name0", "class_name1", "class_name2"]`。
- 参数:
- input_featuresstr或None的array-like, default=None
仅用于验证特征名称与`fit`中看到的名称。
- 返回:
- feature_names_outstr对象的ndarray
转换后的特征名称。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看用户指南了解路由机制的工作原理。
- 返回:
- routingMetadataRequest
封装路由信息的
MetadataRequest。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数:
- deepbool, default=True
如果为True，将返回此估计器及其包含的作为估计器的子对象的参数。
- 返回:
- paramsdict
参数名称映射到其值。
- inverse_transform(X)[source]#
将X变换回其原始空间。
返回一个数组 X_original，其变换结果为X。
- 参数:
- X形状为 (n_samples, n_components) 的array-like
新数据。
- 返回:
- X_original形状为 (n_samples, n_features) 的ndarray
请注意，这始终是一个密集数组。
- set_output(*, transform=None)[source]#
设置输出容器。
请参阅引入set_output API以获取如何使用该API的示例。
- 参数:
- transform{“default”, “pandas”, “polars”}, default=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: 变换配置保持不变
在 1.4 版本中新增： 添加了
"polars"选项。
- 返回:
- self估计器实例
估计器实例。
