sklearn.utils.extmath.randomized_range_finder

sklearn.utils.extmath.randomized_range_finder()

Calcula una matriz ortonormal cuyo rango se aproxima el rango de A.

Parámetros

AArreglo 2D

La matriz de datos de entrada.

sizeint

Tamaño de la matriz devuelta.

n_iterint

Número de iteraciones de potencia utilizadas para estabilizar el resultado.

power_iteration_normalizer{“auto”, “QR”, “LU”, “none”}, default=”auto”

Ya sea que las iteraciones de potencia se normalicen con la factorización QR paso a paso (la más lenta pero más precisa), “none” (la más rápida pero numéricamente inestable cuando n_iter es grande, por ejemplo, típicamente 5 o más), o la factorización “LU” (numéricamente estable pero puede perder ligeramente en precisión). El modo “auto” no aplica ninguna normalización si n_iter <= 2 y cambia a LU en caso contrario.

Nuevo en la versión 0.18.

random_stateint, instancia RandomState o None, default=None

La semilla del generador de números pseudoaleatorios que se utilizará al revolver los datos, es decir, al obtener los vectores aleatorios para inicializar el algoritmo. Pasa un int para que los resultados sean reproducibles a través de múltiples llamadas a la función. Ver Glosario.

Devuelve

Qndarray

Una matriz de proyección (size x size) cuyo rango aproxima bien el rango de la matriz de entrada A.

Notas

Sigue el Algoritmo 4.3 de Encontrar la estructura con la aleatoriedad: Stochastic algorithms for constructing approximate matrix decompositions Halko, et al., 2009 (arXiv:909) https://arxiv.org/pdf/0909.4061.pdf

An implementation of a randomized algorithm for principal component analysis A. Szlam et al. 2014