make_biclusters

sklearn.datasets.make_biclusters(shape, n_clusters, *, noise=0.0, minval=10, maxval=100, shuffle=True, random_state=None)

Generiert ein Array mit konstanter Blockdiagonalstruktur für Biclustering.

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

shapeTupel der Form (n_zeilen, n_spalten)

Die Form des Ergebnisses.

n_clustersint

Die Anzahl der Bicluster.

noisefloat, Standard=0.0

Die Standardabweichung des Gaußschen Rauschens.

minvalfloat, Standard=10

Minimalwert eines Biclusters.

maxvalfloat, Standard=100

Maximalwert eines Biclusters.

shufflebool, Standard=True

Mische die Samples.

random_stateint, RandomState-Instanz oder None, default=None

Bestimmt die Zufallszahlengenerierung für die Datenerstellung. Übergeben Sie eine Ganzzahl für reproduzierbare Ergebnisse über mehrere Funktionsaufrufe hinweg. Siehe Glossar.

Gibt zurück:

Xndarray der Form shape

Das generierte Array.

rowsndarray der Form (n_cluster, X.shape[0])

Die Indikatoren für die Clusterzugehörigkeit jeder Zeile.

colsndarray der Form (n_cluster, X.shape[1])

Die Indikatoren für die Clusterzugehörigkeit jeder Spalte.

Siehe auch

make_checkerboard

Generiert ein Array mit Block-Schachbrettstruktur für Biclustering.

Referenzen

[1]

Dhillon, I. S. (2001, August). Co-clustering documents and words using bipartite spectral graph partitioning. In Proceedings of the seventh ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 269-274). ACM.

Beispiele

>>> from sklearn.datasets import make_biclusters
>>> data, rows, cols = make_biclusters(
...     shape=(10, 20), n_clusters=2, random_state=42
... )
>>> data.shape
(10, 20)
>>> rows.shape
(2, 10)
>>> cols.shape
(2, 20)

Galeriebeispiele

Eine Demo des Spectral Co-Clustering Algorithmus

Eine Demo des Spectral Co-Clustering Algorithmus