# 应用专题 / 数学算法

## `create(n_components, learning_rate, batch_size, n_iter, verbose, random_state)`

声明：function

构造函数

<!-- tags: 创建 机器学习 -->

| 参数            | 类型    | 说明                     |
| --------------- | ------- | ------------------------ |
| `n_components`  | any     | 模型使用的成分数量       |
| `learning_rate` | any     | 模型训练使用的学习率     |
| `batch_size`    | any     | 每个训练批次的样本数量   |
| `n_iter`        | any     | 训练过程的迭代次数       |
| `verbose`       | boolean | 是否输出详细运行信息     |
| `random_state`  | any     | 随机数生成器的种子或状态 |

返回：any

## `fit(x, y)`

声明：function

根据数据矩阵 X 和目标 y 拟合模型

<!-- tags: 机器学习 -->

| 参数 | 类型  | 说明                                |
| ---- | ----- | ----------------------------------- |
| `x`  | array | 数组，形如(样本数,特征数)，输入数据 |
| `y`  | any   | 模型训练目标或因变量数据            |

返回：any

## `fit_transform(x, y, fit_params)`

声明：function

拟合数据，然后进行转换

<!-- tags: 格式化 机器学习 -->

| 参数         | 类型  | 说明                                |
| ------------ | ----- | ----------------------------------- |
| `x`          | array | 数组，形如(样本数,特征数)，输入数据 |
| `y`          | any   | 模型训练目标或因变量数据            |
| `fit_params` | any   | 模型拟合使用的附加参数              |

返回：any

## `gibbs(v)`

声明：function

执行一个吉布斯采样步骤后返回数据

<!-- tags: 调用 机器学习 -->

| 参数 | 类型  | 说明                                                        |
| ---- | ----- | ----------------------------------------------------------- |
| `v`  | array | 数组，形如(样本数,特征数)，可见层的数据，用于进行吉布斯采样 |

返回：any

## `partial_fit(x, y, classes)`

声明：function

对给定数据进行一次迭代，更新模型

<!-- tags: 机器学习 -->

| 参数      | 类型  | 说明                                |
| --------- | ----- | ----------------------------------- |
| `x`       | array | 数组，形如(样本数,特征数)，输入数据 |
| `y`       | any   | 模型训练目标或因变量数据            |
| `classes` | any   | 增量训练使用的类别集合              |

返回：any

## `partial_fit(x, y)`

声明：function

将模型拟合到数据 X 的部分分割

<!-- tags: 机器学习 -->

| 参数 | 类型  | 说明                                |
| ---- | ----- | ----------------------------------- |
| `x`  | array | 数组，形如(样本数,特征数)，训练数据 |
| `y`  | any   | 模型训练目标或因变量数据            |

返回：any

## `predict(x)`

声明：function

使用多层感知机分类器进行预测

<!-- tags: 预估 机器学习 -->

| 参数 | 类型  | 说明                                |
| ---- | ----- | ----------------------------------- |
| `x`  | array | 数组，形如(样本数,特征数)，输入数据 |

返回：any

## `predict_proba(x)`

声明：function

返回概率估计值的对数

<!-- tags: 预测 预估 机器学习 -->

| 参数 | 类型  | 说明                                |
| ---- | ----- | ----------------------------------- |
| `x`  | array | 数组，形如(样本数,特征数)，输入数据 |

返回：any

## `score(x, y, sample_weight)`

声明：function

返回给定测试数据和标签的平均准确率

<!-- tags: 机器学习 -->

| 参数            | 类型  | 说明                                |
| --------------- | ----- | ----------------------------------- |
| `x`             | array | 数组，形如(样本数,特征数)，测试样本 |
| `y`             | any   | 模型训练目标或因变量数据            |
| `sample_weight` | any   | 各样本对应的权重                    |

返回：any

## `score_samples(x)`

声明：function

计算 X 的伪可能性

<!-- tags: 机器学习 -->

| 参数 | 类型  | 说明                                                                    |
| ---- | ----- | ----------------------------------------------------------------------- |
| `x`  | array | 数组，形如(样本数,特征数)，可见图层的值。必须是全布尔值（不会进行检查） |

返回：any