petal-decomposition

petal-decomposition 提供包括 PCA（主成分分析）和 ICA（独立成分分析）在内的矩阵分解算法。

需求

• BLAS/LAPACK 后端（OpenBLAS、Netlib、Intel MKL 或 Accelerate 框架）

特性

• 带有精确、完整 SVD（奇异值分解）的 PCA
• 带有随机化、截断 SVD 的 PCA
• FastICA

Crates 特性

• 使用 intel-mkl-static、intel-mkl-system、netlib-static、netlib-system、openblas-static 或 openblas-system 之一来选择 BLAS/LAPACK 后端。有关详细信息，请参阅 ndarray-linalg 的文档。

  注意：在 macOS 上，默认使用 Accelerate 框架，因此不需要这些特性。

• serialization 使能使用 serde 进行序列化/反序列化。

示例

以下示例展示了如何将 PCA 应用到三个样本的数组中，以及如何获得奇异值以及每个分量解释的方差。

use ndarray::arr2;
use petal_decomposition::Pca;

let x = arr2(&[[0_f64, 0_f64], [1_f64, 1_f64], [2_f64, 2_f64]]);
let mut pca = PcaBuilder::new(2).build(); // Keep two dimensions.
pca.fit(&x).unwrap();

let s = pca.singular_values();            // [2_f64, 0_f64]
let v = pca.explained_variance_ratio();   // [1_f64, 0_f64]
let y = pca.transform(&x).unwrap();       // [-2_f64.sqrt(), 0_f64, 2_f64.sqrt()]

许可证

版权所有 2020-2024 Petabi, Inc.

在 Apache License, Version 2.0（以下简称“许可证”）下许可；除非适用法律要求或书面同意，否则不得使用此 crate，除非遵守许可证。

除非适用法律要求或书面同意，否则在许可证下分发的软件按“原样”基础分发，不提供任何明示或暗示的保证或条件。有关许可证下权限和限制的特定语言，请参阅 LICENSE。

贡献

除非您明确表示，否则您根据Apache-2.0许可协议定义的，有意提交以包含在作品中的任何贡献，应按上述方式许可，不附加任何额外条款或条件。