建立稀疏 SPD 矩陣#

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)[原始碼]#

產生稀疏對稱正定矩陣。

在使用者指南中閱讀更多資訊。

參數:
n_dimint，預設為 1

要產生的隨機矩陣大小。

在 1.4 版本中變更: 將 dim 更名為 n_dim。

alphafloat，預設為 0.95

係數為零的機率（請參閱註釋）。值越大，強制稀疏性越高。該值應在 0 到 1 的範圍內。

norm_diagbool，預設為 False

是否正規化輸出矩陣，使主對角線元素都為 1。

smallest_coeffloat，預設為 0.1

最小係數的值，介於 0 和 1 之間。

largest_coeffloat，預設為 0.9

最大係數的值，介於 0 和 1 之間。

sparse_formatstr，預設為 None

表示輸出稀疏格式的字串，例如「csc」、「csr」等。如果為 None，則傳回密集 numpy ndarray。

在 1.4 版本中新增。

random_stateint、RandomState 實例或 None，預設為 None

決定資料集建立的隨機數產生。傳遞 int 以便在多次函數呼叫中產生可重現的輸出。請參閱詞彙表。

傳回:
prec形狀為 (dim, dim) 的 ndarray 或稀疏矩陣

產生的矩陣。如果 sparse_format=None，則這會是 ndarray。否則，這將是指定格式的稀疏矩陣。

另請參閱

make_spd_matrix

產生隨機對稱正定矩陣。

註釋

稀疏性實際上是施加在矩陣的喬列斯基分解因子上。因此，alpha 並不直接轉換為矩陣本身的填充率。

範例

>>> 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.]])