sklearn.manifold.Isomap 파라미터

sklearn.manifold.Isomap 파라미터

class sklearn.manifold.Isomap(*, n_neighbors=5, n_components=2, eigen_solver='auto', tol=0, max_iter=None, path_method='auto', neighbors_algorithm='auto', n_jobs=None, metric='minkowski', p=2, metric_params=None)

sklearn.manifold.Isomap 파라미터

n_neighborsint, 기본값=5
각 점에 대해 고려할 이웃의 수입니다.

n_componentsint, 기본값=2
매니폴드의 좌표 수입니다.

eigen_solver{‘auto’, ‘arpack’, ‘dense’}, 기본값=’auto’
'auto' : 주어진 문제에 대해 가장 효율적인 해결사를 선택합니다.

'arpack' : 고유값과 고유 벡터를 찾기 위해 아놀디 분해를 사용합니다.

'dense' : 고유값 분해에 직접 솔버(즉, LAPACK)를 사용합니다.

tolfloat, 기본값=0
arpack 또는 robpcg에 수렴 허용 오차가 전달되었습니다. 고유_솔버 == 'solver'인 경우 사용되지 않습니다.

max_iterint, 기본값=None
arpack 솔버의 최대 반복 횟수입니다. 고유_솔버 == 'solver'인 경우 사용되지 않습니다

path_method{‘auto’, ‘FW’, ‘D’}, 기본값=’auto’
최단 경로를 찾는 데 사용할 메서드입니다.

'auto' : 최적의 알고리즘을 자동으로 선택하려고 시도합니다.

'FW' : Floyd-Warshall 알고리즘입니다.

'D' : 데이크스트라의 알고리즘입니다.

neighbors_algorithm{‘auto’, ‘brute’, ‘kd_tree’, ‘ball_tree’}, 기본값=’auto’

n_jobsint or None, 기본값=None

metricstr, or callable, 기본값=”minkowski”
피쳐 배열의 인스턴스 간 거리를 계산할 때 사용할 메트릭입니다. 메트릭이 문자열이거나 호출 가능한 경우 메트릭 매개 변수에 대해 sklearn.metrics.pairwise_distance에서 허용하는 옵션 중 하나여야 합니다. 메트릭이 "사전 계산된" 경우 X는 거리 행렬로 간주되며 제곱이어야 합니다. X는 용어집일 수 있습니다.

pint, 기본값=2
sklearn.metrics.pairwise의 민코프스키 메트릭 매개 변수입니다.pairwise_messages입니다. p = 1일 때, 이것은 p = 2에 대해 맨해튼_거리(l1) 및 유클리드_거리(l2)를 사용하는 것과 같습니다. 임의 p의 경우 minkowski_distance (l_p)가 사용됩니다.

metric_paramsdict, 기본값=None
메트릭 함수에 대한 추가 키워드 인수입니다.