截断奇异值分解 (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（又称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 相反，此估计器在计算奇异值分解之前不会对数据进行中心化。这意味着它可以高效地处理稀疏矩阵。
特别是，截断 SVD 可处理由
sklearn.feature_extraction.text中的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：一种快速的随机 SVD 求解器，以及一种“朴素”算法，该算法使用 ARPACK 作为
X * X.T或X.T * X（以效率更高者为准）上的特征求解器。在用户指南中了解更多信息。
- 参数：
- n_componentsint，默认为2
所需输出数据的维度。如果 algorithm='arpack'，则必须严格小于特征数。如果 algorithm='randomized'，则必须小于或等于特征数。默认值对于可视化很有用。对于 LSA，建议值为 100。
- algorithm{‘arpack’, ‘randomized’}，默认为’randomized’
要使用的 SVD 求解器。SciPy 中的 ARPACK 包装器（scipy.sparse.linalg.svds）为“arpack”，或者 Halko (2009) 提出的随机算法为“randomized”。
- n_iterint，默认为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，以处理可能具有较大的缓慢衰减谱的稀疏矩阵。- n_oversamplesint，默认为10
随机 SVD 求解器的过采样数。ARPACK 不使用此参数。有关完整说明，请参阅
randomized_svd。版本 1.1 中新增。
- power_iteration_normalizer{‘auto’, ‘QR’, ‘LU’, ‘none’}，默认为’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。版本 1.1 中新增。
- random_stateint、RandomState 实例或 None，默认为 None
在随机 svd 期间使用。传递一个 int 以在多次函数调用中获得可重现的结果。请参阅词汇表。
- tolfloat，默认为 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
通过投影到每个分量转换的训练样本的方差。
- 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
在拟合期间看到的特征数。
版本 0.24 中新增。
- feature_names_in_形状为 (
n_features_in_,) 的 ndarray 在拟合期间看到的特征名称。仅当
X具有全部为字符串的特征名称时才定义。版本 1.0 中新增。
另请参阅
DictionaryLearning查找稀疏编码数据的字典。
FactorAnalysis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 存在一个称为“符号不确定性”的问题，这意味着
components_的符号和转换的输出取决于算法和随机状态。为了解决这个问题，请先将此类的实例拟合到数据，然后保留该实例以进行转换。参考文献
Halko 等人（2009 年）。“用随机性寻找结构：构建近似矩阵分解的随机算法”
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]#
使用训练数据 X 拟合模型。
- 参数：
- X形状为 (n_samples, n_features) 的 {array-like, sparse matrix}
训练数据。
- y忽略
未使用，出于 API 一致性约定而保留。
- 返回:
- self对象
返回变换器对象。
- fit_transform(X, y=None)[source]#
将模型拟合到 X 并对 X 执行降维。
- 参数：
- X形状为 (n_samples, n_features) 的 {array-like, sparse matrix}
训练数据。
- y忽略
未使用，出于 API 一致性约定而保留。
- 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。
输出的特征名称将以小写的类名作为前缀。例如，如果变换器输出 3 个特征，则输出的特征名称为：
["class_name0", "class_name1", "class_name2"]。- 参数：
- input_featuresstr 的 array-like 或 None，默认为 None
仅用于使用在
fit中看到的名称验证特征名称。
- 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。
请查看 用户指南，了解路由机制的工作原理。
- 返回:
- routingMetadataRequest
一个
MetadataRequest封装路由信息。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数：
- deepbool，默认为 True
如果为 True，则将返回此估计器和作为估计器的包含子对象的参数。
- 返回:
- paramsdict
参数名称映射到它们的值。
- inverse_transform(X)[source]#
将 X 变换回其原始空间。
返回一个数组 X_original，其变换将是 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
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 介绍 set_output API，了解如何使用此 API 的示例。
- 参数：
- transform{"default", "pandas", "polars"}，默认为 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: 变换配置保持不变
版本 1.4 中新增： 添加了
"polars"选项。
- 返回:
- self估计器实例
估计器实例。
