概率主成分分析（PPCA）模型

该项目使用 pyO3 和 maturin 在 Python 中实现了 PPCA 模型。

安装

此软件包可在 PyPI 上找到！

pip install ppca-rs

并且在 Rust 中也可以原生使用

cargo add ppca

为什么使用 PPCA？

很高兴你问了！

• PPCA 是 PCA（主成分分析）的一个简单扩展，但整体上在训练过程中可能更稳健。
• PPCA 是一个 正确的统计模型。它不会只输出均值。你还会得到标准差、协方差，以及来自概率和统计领域的一切好处。
• PPCA 模型可以处理 缺失值。如果你的数据集中有缺失的数据，它可以使用合理的值进行外推，甚至给出置信区间。
• 训练快速收敛，并将始终趋向于全局最大值。没有需要调整的超参数，也没有局部最大值。

为什么使用 ppca-rs？

这个问题很简单！

• 它是用 Rust 编写的，只在顶部使用了一点点 Python 粘合剂。你可以期望的性能与 C 代码相当。
• 它使用 rayon 在你拥有的所有 CPU 上均匀地并行化计算。
• 它还使用高级线性代数技巧技术来降低关键瓶颈的计算复杂性。
• 在 Vio.com 的战斗中测试过，使用了一些极其庞大的数据集。

快速示例

import numpy as np
from ppca_rs import Dataset, PPCATrainer, PPCA

samples: np.ndarray

# Create your dataset from a rank 2 np.ndarray, where each line is a sample.
# Use non-finite values (`inf`s and `nan`) to signal masked values
dataset = Dataset(samples)

# Train the model (convenient edition!):
model: PPCAModel = PPCATrainer(dataset).train(state_size=10, n_iters=10)


# And now, here is a free sample of what you can do:

# Extrapolates the missing values with the most probable values:
extrapolated: Dataset = model.extrapolate(dataset)

# Smooths (removes noise from) samples and fills in missing values:
extrapolated: Dataset = model.filter_extrapolate(dataset)

# ... go back to numpy:
eextrapolated_np = extrapolated.numpy()

丰富特性！

• 厌倦了线性？我们支持 PPCA 混合模型。使用聚类和降维在一个工具中充分利用你的数据！
• 支持使用 pandas 或 polars 适配 DataFrame。再次也不要在代码中摆弄那些 df 了。

从源代码构建

先决条件

你需要 Rust，它可以在本地安装（即，无需 sudo），你还需要 maturin，可以通过以下方式安装：

pip install maturin

pipenv 如果你想在本地上进行操作，也是一个不错的选择。至少，你需要一个 venv 环境，否则，maturin 会向你抱怨。

本地安装

检查 Makefile 中的可用命令（或者直接输入 make）。要本地安装，请执行以下操作：

make install    # optional: i=python.version (e.g, `i=3.9`)

摸索和测试

要摸索，请在 虚拟环境 内进行（为 pipenv 爱好者提供了一个 Pipfile），

maturin develop  # use the flag --release to unlock superspeed!

这将直接从源代码本地安装此软件包。

我该如何使用这些功能？

请参阅 examples 文件夹中的示例。所有功能都有类型提示和注释。如果你使用 pylance 或 mypy，应该很容易导航。

它比你自己做的纯 Python 实现更快吗？

当然！