trimap 1.0.4

如何使用Trimap

trimap拥有类似于其他sklearn库的transformer api。使用 使用默认参数修剪，只需执行以下操作：

importtrimapfromsklearn.datasetsimportload_digitsdigits=load_digits()embedding=trimap.TRIMAP().fit_transform(digits.data)

参数

与其他降维方法不同，trimap只有几个参数。 调谐：

• ^{tt1}$: Number of nearest neighbors for forming the nearest neighbor triplets (default = 10).
• ^{tt2}$: Number of outliers for forming the nearest neighbor triplets (default = 5).
• ^{tt3}$: Number of random triplets per point (default = 5).
• ^{tt4}$: Learning rate (default = 1000.0).
• ^{tt5}$: Number of iterations (default = 400).

其他参数包括：

• ^{tt6}$: Adjust weights for extreme outliers using a log-transformation (default = True).
• ^{tt7}$: Use only ANNOY for nearest-neighbor search (default = True).
• ^{tt8}$: Optimization method {‘sd’ (steepest descent), ‘momentum’ (GD with momentum), ‘dbd’ (delta-bar-delta, default)}.
• ^{tt9}$: Print the progress report (default = True).
• ^{tt10}$: Store the intermediate results and return the results in a tensor (default = False).

调整这些参数的示例：

importtrimapfromsklearn.datasetsimportload_digitsdigits=load_digits()embedding=trimap.TRIMAP(n_inliers=10,n_outliers=5,n_random=5).fit_transform(digits.data)

默认情况下，使用ANNOY执行最近邻计算。为了获得更精确的结果，可以使用sklearn.neighbors.NearestNeighbors计算每个点的前5个最近邻，并且可以将结果与使用烦恼计算的结果相结合。但是，这可能会显著增加运行时。fast_trimap (default = True)参数控制此属性。要获得更准确的结果，请设置fast_trimap = False。

示例

以下是关于真实数据集的一些结果。有关更多结果，请参阅 我们的报纸。

mnist手写数字（n=70000，d=784）

时尚mnist（n=70000，d=784）

白板鼠（n=53760，d=23433）

电视新闻（n=129685，d=50）

380k+歌词（n=266557，d=256）

安装

要求：

• 努比
• SCIKIT学习
• numba
• 烦恼

安装选项

如果已安装所有要求，则可以使用pip:

sudo pip install trimap

请定期检查更新并确保使用的是最新版本。如果已安装trimap并希望升级到新版本，则可以使用以下命令：

sudo pip install --upgrade --force-reinstall trimap

另一种方法是使用anaconda和pip手动安装依赖项。 要安装装饰件：

conda install numpy
conda install scikit-learn
conda install numba
conda install annoy
pip install trimap

对于手动安装，请获取此软件包：

wget https://github.com/eamid/trimap/archive/master.zip
unzip master.zip
rm master.zip
cd trimap-master

安装要求

sudo pip install -r requirements.txt

或

conda install scikit-learn numba annoy

安装软件包

python setup.py install

支持和贡献

这项执行工作仍在进行中。任何评论/建议/错误报告 非常感谢。请随时联系我：eamid@ucsc.edu。如果你愿意 想贡献代码，请fork the project 给我一个请求。

引文

如果您使用trimap，请在arxiv上引用我们当前的参考资料：

@article{2018TRIMAP,
     author = {{Amid}, E. and {Warmuth}, M. K.},
     title = "{A more globally accurate dimensionality reduction method using triplets}",
     journal = {ArXiv e-prints},
     archivePrefix = "arXiv",
     eprint = {1803.00854},
     year = 2018,
     month = march,
}

许可证

请查看许可证文件。