谱双聚类#

class sklearn.cluster.SpectralBiclustering(n_clusters=3, *, method='bistochastic', n_components=6, n_best=3, svd_method='randomized', n_svd_vecs=None, mini_batch=False, init='k-means++', n_init=10, random_state=None)[source]#

谱双聚类 (Kluger, 2003)。

在数据具有底层棋盘结构的假设下，对行和列进行划分。例如，如果有两个行分区和三个列分区，则每行将属于三个双聚类，每列将属于两个双聚类。相应行和列标签向量的外积给出了这个棋盘结构。

在用户指南中了解更多信息。

参数：

n_clustersint 或 tuple (n_row_clusters, n_column_clusters)，默认为 3

棋盘结构中行和列聚类的数量。

method{'bistochastic', 'scale', 'log'}，默认为 'bistochastic'

将奇异向量归一化并转换为双聚类的方法。可以是 'scale'、'bistochastic' 或 'log' 之一。作者建议使用 'log'。但是，如果数据是稀疏的，则对数归一化将不起作用，这就是默认值为 'bistochastic' 的原因。

警告

如果 method='log'，则数据不能是稀疏的。

n_componentsint，默认为 6

要检查的奇异向量数量。

n_bestint，默认为 3

要将数据投影到其上进行聚类的最佳奇异向量的数量。

svd_method{'randomized', 'arpack'}，默认为 'randomized'

选择用于查找奇异向量的算法。可以是 'randomized' 或 'arpack'。如果为 'randomized'，则使用 randomized_svd，对于大型矩阵，这可能更快。如果为 'arpack'，则使用 scipy.sparse.linalg.svds，这更准确，但在某些情况下可能较慢。

n_svd_vecsint，默认为 None

用于计算 SVD 的向量数量。当 svd_method=arpack 时对应于 ncv，当 svd_method 为 'randomized' 时对应于 n_oversamples。

mini_batchbool，默认为 False

是否使用 mini-batch k-means，它更快，但可能得到不同的结果。

init{'k-means++', 'random'} 或 shape 为 (n_clusters, n_features) 的 ndarray，默认为 'k-means++'

k-means 算法初始化的方法；默认为 'k-means++'。

n_initint，默认为 10

使用 k-means 算法尝试的随机初始化次数。

如果使用 mini-batch k-means，则选择最佳初始化，并且算法运行一次。否则，算法将针对每个初始化运行，并选择最佳解决方案。

random_stateint、RandomState 实例，默认为 None

用于随机化奇异值分解和 k-means 初始化。使用 int 使随机性确定性。参见词汇表。

属性：

rows_shape 为 (n_row_clusters, n_rows) 的类数组: 聚类的结果。rows[i, r] 为 True，如果聚类 i 包含行 r。仅在调用 fit 后可用。
columns_shape 为 (n_column_clusters, n_columns) 的类数组: 聚类的结果，类似于 rows。
row_labels_shape 为 (n_rows,) 的类数组: 行分区标签。
column_labels_shape 为 (n_cols,) 的类数组: 列分区标签。
biclusters_两个 ndarray 的元组: 方便地同时获取行和列指示器。
n_features_in_int: 在拟合期间看到的特征数量。

在 0.24 版本中添加。
feature_names_in_shape 为 (n_features_in_,) 的 ndarray: 在拟合期间看到的特征名称。仅当 X 具有全是字符串的特征名称时定义。

在 1.0 版本中添加。

另请参阅

SpectralCoclustering: 谱共聚类算法 (Dhillon, 2001)。

参考文献

Kluger, Yuval, et. al., 2003. Spectral biclustering of microarray data: coclustering genes and conditions.

示例

>>> from sklearn.cluster import SpectralBiclustering
>>> import numpy as np
>>> X = np.array([[1, 1], [2, 1], [1, 0],
...               [4, 7], [3, 5], [3, 6]])
>>> clustering = SpectralBiclustering(n_clusters=2, random_state=0).fit(X)
>>> clustering.row_labels_
array([1, 1, 1, 0, 0, 0], dtype=int32)
>>> clustering.column_labels_
array([1, 0], dtype=int32)
>>> clustering
SpectralBiclustering(n_clusters=2, random_state=0)

有关更详细的示例，请参见谱双聚类算法演示

property biclusters_#

方便地同时获取行和列指示器。

返回 rows_ 和 columns_ 成员。

fit(X, y=None)[source]#

为 X 创建双聚类。

参数：

Xshape 为 (n_samples, n_features) 的类数组: 训练数据。
y忽略: 未使用，根据约定保留以保持 API 一致性。

返回：

self对象: SpectralBiclustering 实例。

get_indices(i)[source]#

第 i 个双聚类的行和列索引。

只有在 rows_ 和 columns_ 属性存在时才有效。

参数：

iint: 聚类的索引。

返回：

row_indndarray, dtype=np.intp: 属于该双聚类的数集中行的索引。
col_indndarray, dtype=np.intp: 属于该双聚类的数集中列的索引。

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: 一个 MetadataRequest 封装了路由信息。

get_params(deep=True)[source]#

获取此估计器的参数。

参数：

deepbool, default=True: 如果为 True，则将返回此估计器和包含的作为估计器的子对象的参数。

返回：

paramsdict: 参数名称与其值的映射。

get_shape(i)[source]#

第 i 个双聚类的形状。

参数：

iint: 聚类的索引。

返回：

n_rowsint: 双聚类中的行数。
n_colsint: 双聚类中的列数。

get_submatrix(i, data)[source]#

返回对应于双聚类 i 的子矩阵。

参数：

iint: 聚类的索引。
dataarray-like of shape (n_samples, n_features): 数据。

返回：

submatrixndarray of shape (n_rows, n_cols): 对应于双聚类 i 的子矩阵。

备注

适用于稀疏矩阵。只有在 rows_ 和 columns_ 属性存在时才有效。

set_params(**params)[source]#

设置此估计器的参数。

此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：

selfestimator instance: 估计器实例。

图库示例#

谱双聚类算法演示