エレガントなSciPy ―Pythonによる科学技術計算

229

A.18　解答：scikit-learn ライブラリ

成功です。ベイスン

-

ホッピング法は、

minimize

関数が行き詰まってしまう難しいケースでも、

正しい位置合わせを復元できました。

A.18

　解答：

scikit-learn

ライブラリ

以下は「

8.5.1

　演習：ストリーミングデータの主成分分析（

PCA

）」の解答です。

まずは、モデルをトレーニングするための関数を書きます。この関数は、サンプルのストリーム

を受け取り、

PCA

モデルを出力するものです。

PCA

モデルは、新しいサンプルを、元の

n

次元空

間から主成分空間に射影することで変換することができます。

import toolz as tz

from toolz import curried as c

from sklearn import decomposition

from sklearn import datasets

import numpy as np

def streaming_pca(samples, n_components=2, batch_size=100):

ipca = decomposition.IncrementalPCA(n_components=n_components,

batch_size=batch_size)

tz.pipe(samples, # iterator of 1D arrays 1

次元配列のイテレータ

c.partition(batch_size), # iterator of tuples ...