make_sparse_spd_matrix#

sklearn.datasets.make_sparse_spd_matrix(n_dim=1, *, alpha=0.95, norm_diag=False, smallest_coef=0.1, largest_coef=0.9, sparse_format=None, random_state=None)[Quelle]#

Generiert eine dünne symmetrische positiv-definite Matrix.

Lesen Sie mehr im Benutzerhandbuch.

Parameter:
n_dimint, default=1

Die Größe der zu generierenden Zufallsmatrix.

Geändert in Version 1.4: Umbenannt von dim in n_dim.

alphafloat, default=0.95

Die Wahrscheinlichkeit, dass ein Koeffizient Null ist (siehe Hinweise). Größere Werte erzwingen mehr Sparsity. Der Wert sollte im Bereich von 0 bis 1 liegen.

norm_diagbool, default=False

Ob die Ausgabematrix normalisiert werden soll, um die führenden Diagonalelemente alle auf 1 zu setzen.

smallest_coeffloat, default=0.1

Der Wert des kleinsten Koeffizienten zwischen 0 und 1.

largest_coeffloat, default=0.9

Der Wert des größten Koeffizienten zwischen 0 und 1.

sparse_formatstr, default=None

String, der das Sparsity-Format der Ausgabe darstellt, wie z.B. 'csc', 'csr' usw. Wenn None, wird ein dichter numpy ndarray zurückgegeben.

Hinzugefügt in Version 1.4.

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:
precndarray oder sparse matrix der Form (dim, dim)

Die generierte Matrix. Wenn sparse_format=None, ist dies ein ndarray. Andernfalls ist dies eine Sparsity-Matrix des angegebenen Formats.

Siehe auch

make_spd_matrix

Generiert eine zufällige symmetrische, positiv-definite Matrix.

Anmerkungen

Die Sparsity wird tatsächlich auf dem Cholesky-Faktor der Matrix erzwungen. Daher wird alpha nicht direkt in den Füllungsgrad der Matrix selbst übersetzt.

Beispiele

>>> from sklearn.datasets import make_sparse_spd_matrix
>>> make_sparse_spd_matrix(n_dim=4, norm_diag=False, random_state=42)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])