sklearn.manifold.LocallyLinearEmbedding¶
class sklearn.manifold.LocallyLinearEmbedding(*, n_neighbors=5, n_components=2, reg=0.001, eigen_solver='auto', tol=1e-06, max_iter=100, method='standard', hessian_tol=0.0001, modified_tol=1e-12, neighbors_algorithm='auto', random_state=None, n_jobs=None)
[源码]
局部线性嵌入
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| n_neighbors | integer 每个点要考虑的邻居数量。 |
| n_components | integer 流形的坐标数 |
| reg | float 正则化常数，乘以距离的局部协方差矩阵的轨迹。 |
| eigen_solver | string, {‘auto’, ‘arpack’, ‘dense’} 自动：算法将尝试为输入数据选择最佳方法 |
| arpack | use arnoldi iteration in shift-invert mode. 对于此方法，M可以是稠密矩阵，稀疏矩阵或一般线性式子。警告：由于某些问题，ARPACK可能不稳定。最好尝试几个随机种子以检查结果。 |
| dense | use standard dense matrix operations for the eigenvalue 分解。对于此方法，M必须为数组或矩阵类型。对于大问题应避免使用此方法。 |
| tol | float, optional 如果eigen_solver==’dense’，则不使用“arpack”方法的容差。 |
| max_iter | integer arpack求解器的最大迭代次数。如果eigen_solver =='dense'，则不使用。 |
| method | string (‘standard’, ‘hessian’, ‘modified’ or ‘ltsa’) |
| standard | use the standard locally linear embedding algorithm. see 参考参考文献[1] |
| hessian | use the Hessian eigenmap method. This method requiresn_neighbors > n_components * (1 + (n_components + 1) / 2参见参考文献[2] |
| modified | use the modified locally linear embedding algorithm. 参见参考文献[3] |
| ltsa | use local tangent space alignment algorithm 参见参考文献[4] |
| hessian_tol | float, optional Hessian特征映射方法的公差。仅在 method == 'hessian'这种情况下使用 |
| modified_tol | float, optional 修正的LLE方法的公差。仅在 method == 'hessian'这种情况下使用 |
| neighbors_algorithm | string [‘auto’,’brute’,’kd_tree’,’ball_tree’] 用于最近邻居搜索的算法，传递给邻居。NearestNeighbors实例 |
| random_state | int, RandomState instance, default=None 当 eigen_solver=='arpack' 时确定随机数生成器 。在多个函数调用之间传递int以获得可重复的结果。请参阅：term: Glossary <random_state>. |
| n_jobs | int or None, optional (default=None) 用于进行计算的CPU数量。 None除非在joblib.parallel_backend环境中，否则表示1 。 undefined表示使用所有处理器。有关更多详细信息，请参见词汇表。 |
| 属性 | 说明 |
|---|---|
| embedding_ | array-like, shape [n_samples, n_components] 存储嵌入向量 |
| reconstruction_error_ | float 与重建相关的错误 embedding_ |
| nbrs_ | NearestNeighbors object 存储最近的邻居实例，包括BallTree或KDtree（如果适用）。 |
参考文献
1 Roweis, S. & Saul, L. Nonlinear dimensionality reduction by locally linear embedding. Science 290:2323 (2000).
2 Donoho, D. & Grimes, C. Hessian eigenmaps: Locally linear embedding techniques for high-dimensional data. Proc Natl Acad Sci U S A. 100:5591 (2003).
3 Zhang, Z. & Wang, J. MLLE: Modified Locally Linear Embedding Using Multiple Weights. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.70.382
4 Zhang, Z. & Zha, H. Principal manifolds and nonlinear dimensionality reduction via tangent space alignment. Journal of Shanghai Univ. 8:406 (2004)
实例
>>> from sklearn.datasets import load_digits
>>> from sklearn.manifold import LocallyLinearEmbedding
>>> X, _ = load_digits(return_X_y=True)
>>> X.shape
(1797, 64)
>>> embedding = LocallyLinearEmbedding(n_components=2)
>>> X_transformed = embedding.fit_transform(X[:100])
>>> X_transformed.shape
(100, 2)
| 方法 | 说明 |
|---|---|
fit(X[, y]) |
计算数据X的嵌入向量 |
fit_transform(X[, y]) |
计算数据X的嵌入向量并变换X。 |
get_params([deep]) |
获取此估计量的参数。 |
set_params(**params) |
设置此估算量的参数。 |
transform(X) |
将新点转换为嵌入空间。 |
__init__(*, n_neighbors=5, n_components=2, reg=0.001, eigen_solver='auto', tol=1e-06, max_iter=100, method='standard', hessian_tol=0.0001, modified_tol=1e-12, neighbors_algorithm='auto', random_state=None, n_jobs=None)
[源码]
初始化self， 请参阅help(type(self))以获得准确的说明。
fit(X, y=None)
[源码]
计算数据X的嵌入向量
| 参数 | 说明 |
|---|---|
| X | array-like of shape [n_samples, n_features] 训练集。 |
| y | Ignored |
| 返回值 | 说明 |
|---|---|
| self | returns an instance of self. |
fit_transform(X, y=None)
[源码]
计算数据X的嵌入向量并变换X。
| 参数 | 说明 |
|---|---|
| X | array-like of shape [n_samples, n_features] 训练集。 |
| y | Ignored |
| 返回值 | 说明 |
|---|---|
| X_new | array-like, shape (n_samples, n_components) |
get_params(deep=True)
[源码]
获取此估计量的参数。
| 参数 | 说明 |
|---|---|
| deep | bool, default=True 如果为True，则将返回此估算量和作为估算量的所包含子对象的参数。 |
| 返回值 | 说明 |
|---|---|
| params | mapping of string to any 映射到其值的参数名。 |
set_params(**params)
[源码]
设置此估算量的参数。
该方法适用于简单估计量以及嵌套对象(例如pipelines)。后者具有形式的参数。<component>__<parameter>以便可以更新嵌套对象的每个组件。
| 参数 | 说明 |
|---|---|
| **params | dict 估算量参数。 |
| 返回值 | |
|---|---|
| self | object 估算量实例。 |
transform(X)
[源码]
将新点转换为嵌入空间。
| 参数 | 说明 |
|---|---|
| X | array-like of shape (n_samples, n_features) |
| 返回值 | 说明 |
|---|---|
| X_new | array, shape = [n_samples, n_components] |
注
由于此方法执行缩放，因此不建议将其与非缩放不变的方法（例如SVM）一起使用.
