Python sklearn AdditiveChi2Sampler用法及代碼示例

本文簡要介紹python語言中 sklearn.kernel_approximation.AdditiveChi2Sampler 的用法。

用法:

class sklearn.kernel_approximation.AdditiveChi2Sampler(*, sample_steps=2, sample_interval=None)

加性 chi2 內核的近似特征圖。

使用定期采樣內核特征的傅立葉變換。

由於要近似的內核是可加的，因此可以分別處理輸入向量的分量。原始空間中的每個條目都被轉換為 2*sample_steps+1 個特征，其中sample_steps 是方法的一個參數。 sample_steps 的典型值包括 1、2 和 3。

可以計算某些數據範圍的采樣間隔的最佳選擇(參見引用)。默認值應該是合理的。

在用戶指南中閱讀更多信息。

參數：

sample_steps：整數，默認=2

給出(複雜)采樣點的數量。

sample_interval：浮點數，默認=無

采樣間隔。當 sample_steps 不在 {1,2,3} 中時必須指定。

屬性：

sample_interval_：浮點數

存儲的采樣間隔。如果 sample_steps 不在 {1,2,3} 中，則指定為參數。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

注意：

該估計器近似於加性卡方內核的一個稍微不同的版本，然後 metric.additive_chi2 計算。

參考：

參看“通過顯式特征映射實現高效的加法內核”A. Vedaldi 和 A. Zisserman，模式分析和機器智能，2011

例子：

>>> from sklearn.datasets import load_digits
>>> from sklearn.linear_model import SGDClassifier
>>> from sklearn.kernel_approximation import AdditiveChi2Sampler
>>> X, y = load_digits(return_X_y=True)
>>> chi2sampler = AdditiveChi2Sampler(sample_steps=2)
>>> X_transformed = chi2sampler.fit_transform(X, y)
>>> clf = SGDClassifier(max_iter=5, random_state=0, tol=1e-3)
>>> clf.fit(X_transformed, y)
SGDClassifier(max_iter=5, random_state=0)
>>> clf.score(X_transformed, y)
0.9499...