sklearn.linear_model.orthogonal_mp

sklearn.linear_model.orthogonal_mp(X, y, *, n_nonzero_coefs=None, tol=None, precompute=False, copy_X=True, return_path=False, return_n_iter=False)

[源码]

正交匹配追踪(OMP)

解决n_targets正交匹配追踪问题。问题的实例具有以下形式:

当使用n_nonzero_coefs通过非零系数的数量进行参数化时:argmin || y-Xgamma || ^ 2服从|| gamma ||0 <=n_{nonzero coefs}

当使用参数tol进行参数化时:argmin || gamma || _0 服从|| y-Xgamma || ^ 2 <= tol

用户指南中阅读更多内容。

参数 说明
X array, shape (n_samples, n_features)
输入数据。假定列具有单位范数。
y array, shape (n_samples,) or (n_samples, n_targets)
输入目标
n_nonzero_coefs int
解决方案中非零项的期望数目。如果为None(默认情况下),这个值设置为n_features的10%。
tol float
残差的最大范数。如果不是None,则覆盖n_nonzero_coefs。
precompute {True, False, ‘auto’},
是否执行预计算。当n_targets或n_samples非常大时提高性能。
copy_X bool, optional
设计矩阵X是否必须被算法复制。仅当X已经是Fortran-ordered时,false值才有用,否则无论如何都会进行复制。
return_path bool, optional. Default: False
是否沿着正向路径返回非零系数的每个值。对于交叉验证很有用。
return_n_iter bool, optional default False
是否返回迭代次数。
返回值 说明
coef array, shape (n_features,) or (n_features, n_targets)
OMP解决方案的系数。如果为return_path=True,则包含整个系数路径。在这种情况下,其形状为(n_features,n_features)或(n_features,n_targets,n_features),并且在最后一个轴上进行迭代会按活动特征的递增顺序生成系数。
n_iters array-like or int
每个目标上的活动特征数量。仅当return_n_iter设置为True时返回 。

另见:

OrthogonalMatchingPursuit

orthogonal_mp_gram

lars_path

decomposition.sparse_encode

Orthogonal matching pursuit was introduced in S. Mallat, Z. Zhang, Matching pursuits with time-frequency dictionaries, IEEE Transactions on Signal Processing, Vol. 41, No. 12. (December 1993), pp. 3397-3415. (http://blanche.polytechnique.fr/~mallat/papiers/MallatPursuit93.pdf)

This implementation is based on Rubinstein, R., Zibulevsky, M. and Elad, M., Efficient Implementation of the K-SVD Algorithm using Batch Orthogonal Matching Pursuit Technical Report - CS Technion, April 2008. https://www.cs.technion.ac.il/~ronrubin/Publications/KSVD-OMP-v2.pdf