SparseRandomProjection#

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

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，它保证了相似的嵌入质量，同时内存效率更高，并允许更快地计算投影数据。

如果我们记 s = 1 / density，则随机矩阵的分量从以下公式中得出：

-sqrt(s) / sqrt(n_components)   with probability 1 / 2s
 0                              with probability 1 - 1 / s
+sqrt(s) / sqrt(n_components)   with probability 1 / 2s

在用户指南中阅读更多内容。

0.13 版本新增。

参数:
n_componentsint 或 ‘auto’, 默认=’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 引理给出的边界自动调整。在这种情况下，嵌入的质量由 eps 参数控制。

需要注意的是，Johnson-Lindenstrauss 引理可能对所需分量数量给出非常保守的估计，因为它对数据集的结构不作任何假设。

densityfloat 或 ‘auto’, 默认=’auto’

随机投影矩阵中非零分量的比例，范围为 (0, 1]。

如果 density = ‘auto’，该值将设置为 Ping Li 等人推荐的最小密度：1 / sqrt(n_features)。

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

epsfloat, 默认=0.1

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

值越小，嵌入效果越好，目标投影空间中的维度（n_components）越高。

dense_outputbool, 默认=False

如果为 True，即使输入和随机投影矩阵都是稀疏的，也确保随机投影的输出是密集 numpy 数组。实际上，如果分量数量很小，投影数据中的零分量数量将非常小，使用密集表示会更节省 CPU 和内存。

如果为 False，如果输入是稀疏的，则投影数据使用稀疏表示。

compute_inverse_componentsbool, 默认=False

通过在拟合期间计算分量的伪逆来学习逆变换。请注意，伪逆始终是密集数组，即使训练数据是稀疏的。这意味着可能需要一次对少量样本调用 inverse_transform，以避免耗尽主机上的可用内存。此外，计算伪逆对于大型矩阵来说扩展性不佳。

random_stateint, RandomState 实例或 None, 默认=None

控制在拟合时用于生成投影矩阵的伪随机数生成器。传入一个整数可在多次函数调用中获得可重现的输出。参见术语表。

属性:
n_components_int

当 n_components="auto" 时计算出的具体分量数量。

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

用于投影的随机矩阵。稀疏矩阵将采用 CSR 格式。

inverse_components_形状为 (n_features, n_components) 的 ndarray

分量的伪逆，仅当 compute_inverse_components 为 True 时计算。

1.1 版本新增。

density_范围 0.0 - 1.0 的浮点数

当 density = "auto" 时计算出的具体密度。

n_features_in_int

拟合期间看到的特征数量。

0.24 版本新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

拟合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才定义。

1.0 版本新增。

另请参见

GaussianRandomProjection

通过高斯随机投影降低维度。

参考文献

[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

示例

>>> 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)
>>> # very few components are non-zero
>>> np.mean(transformer.components_ != 0)
np.float64(0.0182)
fit(X, y=None)[source]#

生成一个稀疏随机投影矩阵。

参数:
X形状为 (n_samples, n_features) 的 {ndarray, 稀疏矩阵}

训练集：仅使用其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

未被使用，按照约定在此处提供以保持 API 一致性。

返回:
selfobject

BaseRandomProjection 类实例。

fit_transform(X, y=None, **fit_params)[source]#

拟合数据，然后对其进行变换。

使用可选参数 fit_params 将变换器拟合到 X 和 y，并返回 X 的变换版本。

参数:
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（无监督变换为 None）。

**fit_paramsdict

额外的拟合参数。

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

变换后的数组。

get_feature_names_out(input_features=None)[source]#

获取变换后的输出特征名称。

输出特征名称将以小写类名作为前缀。例如，如果变换器输出 3 个特征，则输出特征名称为：["class_name0", "class_name1", "class_name2"]。

参数:
input_featuresstr 的类数组或 None, 默认=None

仅用于验证特征名称与 fit 中所见的名称是否一致。

返回:
feature_names_outstr 对象 的 ndarray

变换后的特征名称。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅用户指南，了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deepbool, 默认=True

如果为 True，将返回此估计器及其包含的子对象（如果它们是估计器）的参数。

返回:
paramsdict

参数名称映射到其值。

inverse_transform(X)[source]#

将数据投影回其原始空间。

返回一个 X_original 数组，其变换结果将是 X。请注意，即使 X 是稀疏的，X_original 也是密集的：这可能会占用大量 RAM。

如果 compute_inverse_components 为 False，则在每次调用 inverse_transform 时都会计算分量的逆，这可能代价高昂。

参数:
X形状为 (n_samples, n_components) 的 {类数组, 稀疏矩阵}

要被变换回的数据。

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

重建的数据。

set_output(*, transform=None)[source]#

设置输出容器。

有关如何使用此 API 的示例，请参阅set_output API 介绍。

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

配置 transform 和 fit_transform 的输出。

  • "default": 变换器的默认输出格式

  • "pandas": DataFrame 输出

  • "polars": Polars 输出

  • None: 变换配置不变

1.4 版本新增： 添加了 "polars" 选项。

返回:
self估计器实例

估计器实例。

set_params(**params)[source]#

设置此估计器的参数。

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

参数:
**paramsdict

估计器参数。

返回:
self估计器实例

估计器实例。

transform(X)[source]#

通过与随机矩阵进行矩阵乘法来投影数据。

参数:
X形状为 (n_samples, n_features) 的 {ndarray, 稀疏矩阵}

输入数据将被投影到更小的维度空间。

返回:
X_new形状为 (n_samples, n_components) 的 {ndarray, 稀疏矩阵}

投影后的数组。仅当输入为稀疏且 dense_output = False 时，它才是稀疏矩阵。