155 lines
4.4 KiB
Markdown
155 lines
4.4 KiB
Markdown
# 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
|