Density_Sampling 1.3

概述

对于包含稀有种群和普通种群混合的数据集， 密度采样为选定的 那些不同的人群。

密度采样是信号和噪声之间的一种平衡行为。的确， 虽然它增加了稀有人群的患病率，但也增加了 噪声采样点的普遍性 局部密度大于由密度计算的异常密度 取样。

更具体地说，密度采样过程如下：* 数据集“data”的采样点，估计特征中的局部密度 通过计算 以该采样点为中心的特定区域。*第^{tt1}个 数据集的采样点是通过密度采样和 概率由：

                              | 0 if outlier_density > LD[i];
P(keep the i-th data-point) = | 1 if outlier_density <= LD[i] <= target_density;
                              | target_density / LD[i] if LD[i] > target_density.

这里LD[i]表示第i个采样点的局部密度 数据集，而outlier_density和target_density是 以局部分布的特定百分位数计算 密度。

安装和要求

Density_Sampling是用Python2.7编写的，需要以下内容 包，以及一些来自python标准库的模块：* numpy>；=1.9.0*scikit learn*setuptools

建议您确定满足了这些要求， 检查上述库是否已启动并运行，即使 下面的pip命令应自动处理安装 那些依赖性。可以从python安装密度采样 包索引（PYPI）分为两个简单步骤：*打开终端仿真器 与shell（kde的konsole或gnome的）交互的窗口 terminal）；*输入命令：pip install Density_Sampling

这个模块已经在fedora、os x和ubuntu上测试过了，应该可以工作 在类unix操作系统系列的任何其他成员上都可以。

用法

可以获得更多关于密度采样内部工作的信息 与组成此模块的函数关联的docstrings。

以下几行说明虹膜数据集上的密度采样 来自UCI机器学习库。而不是复制那些行 在python解释器控制台中，可以运行类似的示例 自动通过python的doctest功能。只需找到 保存文件Density_Sampling.py的目录，将其更改为 当前工作目录，然后键入python Density_Sampling.py 在命令行。

>>> from sklearn import datasets

>>> iris = datasets.load_iris()
>>> Y = iris.target

>>> from sklearn.decomposition import PCA

>>> X_reduced = PCA(n_components = 3).fit_transform(iris.data)

>>> import matplotlib.pyplot as plt
>>> from mpl_toolkits.mplot3d import Axes3D
>>> from time import sleep

>>> def plot_PCA(X_reduced, Y, title):
    fig = plt.figure(1, figsize = (10, 8))
    ax = Axes3D(fig, elev = -150, azim = 110)

    ax.scatter(X_reduced[:, 0], X_reduced[:, 1], X_reduced[:, 2],
               c = Y, cmap = plt.cm.Paired)

    ax.set_title('First three PCA direction for {title}'.format(**locals()))
    ax.set_xlabel('1st eigenvector')
    ax.w_xaxis.set_ticklabels([])
    ax.set_ylabel('2nd eigenvector')
    ax.w_yaxis.set_ticklabels([])
    ax.set_zlabel('3rd eigenvector')
    ax.w_zaxis.set_ticklabels([])

    plt.show(block = False)
    sleep(3)
    plt.close()

>>> plot_PCA(X_reduced, Y, 'the whole Iris data-set')

>>> import Density_Sampling
>>> sampled_indices = Density_Sampling.density_sampling(X_reduced,
                        metric = 'euclidean', desired_samples = 50)

>>> downsampled_X_reduced = X_reduced[sampled_indices, :]
>>> downsampled_Y = Y[sampled_indices]

>>> plot_PCA(downsampled_X_reduced, downsampled_Y,
             'the Iris data-set\ndown-sampled to about 50 samples')

参考

吉柯德，G.，马可，E.，特里帕，L.和袁，G.-C.，“强健的血统 从高维单细胞数据重建”。arxiv预印本 [q-bio.qm，stat.ap，stat.co，stat.ml]：http://arxiv.org/abs/1601.02748