生成稀疏编码信号#
- sklearn.datasets.make_sparse_coded_signal(n_samples, *, n_components, n_features, n_nonzero_coefs, random_state=None)[source]#
生成信号作为字典元素的稀疏组合。
返回矩阵
Y、D和X，使得Y = XD，其中X的形状为(n_samples, n_components)，D的形状为(n_components, n_features)，并且X的每一行都恰好有n_nonzero_coefs个非零元素。在 用户指南 中了解更多信息。
- 参数：
- n_samplesint
要生成的样本数。
- n_componentsint
字典中的成分数量。
- n_featuresint
要生成的dataset的特征数量。
- n_nonzero_coefsint
每个样本中活动（非零）系数的数量。
- random_stateint，RandomState 实例或 None，默认为 None
确定数据集创建的随机数生成。传递一个整数以在多次函数调用中获得可重复的输出。参见 词汇表。
- 返回:
- datashape 为 (n_samples, n_features) 的 ndarray
编码信号 (Y)。
- dictionaryshape 为 (n_components, n_features) 的 ndarray
具有标准化成分的字典 (D)。
- codeshape 为 (n_samples, n_components) 的 ndarray
稀疏代码，使得该矩阵的每一列恰好有 n_nonzero_coefs 个非零项 (X)。
示例
>>> from sklearn.datasets import make_sparse_coded_signal >>> data, dictionary, code = make_sparse_coded_signal( ... n_samples=50, ... n_components=100, ... n_features=10, ... n_nonzero_coefs=4, ... random_state=0 ... ) >>> data.shape (50, 10) >>> dictionary.shape (100, 10) >>> code.shape (50, 100)
