sklearn.decomposition

Алгоритмы матричного разложения.

К ним относятся PCA, NMF, ICA и другие. Большинство алгоритмов этого модуля можно рассматривать как методы снижения размерности.

Руководство пользователя. См. Разложение сигналов на компоненты (проблемы матричной факторизации) раздел для дальнейших деталей.

DictionaryLearning	Словарное обучение.
FactorAnalysis	Факторный анализ (FA).
FastICA	FastICA: быстрый алгоритм для независимого компонентного анализа.
IncrementalPCA	Инкрементальный анализ главных компонент (IPCA).
KernelPCA	Анализ главных компонент с ядром (KPCA).
LatentDirichletAllocation	Латентное размещение Дирихле с алгоритмом онлайн вариационного Байеса.
MiniBatchDictionaryLearning	Мини-пакетное словарное обучение.
MiniBatchNMF	Мини-пакетное неотрицательное матричное разложение (NMF).
MiniBatchSparsePCA	Мини-пакетный разреженный анализ главных компонент.
NMF	Неотрицательная матричная факторизация (NMF).
PCA	Метод главных компонент (PCA).
SparseCoder	Разреженное кодирование.
SparsePCA	Разреженный анализ главных компонент (SparsePCA).
TruncatedSVD	Снижение размерности с использованием усеченного SVD (также известного как LSA).
dict_learning	Решить задачу матричной факторизации обучения словаря.
dict_learning_online	Решить задачу матричной факторизации словарного обучения онлайн.
fastica	Выполнить быстрый независимый компонентный анализ.
non_negative_factorization	Вычислить неотрицательную матричную факторизацию (NMF).
sparse_encode	Разреженное кодирование.