Apprentissage de Manifold

Multidimensional scaling, MDS

On peut utiliser la matrice des features :

import sklearn.manifold
mds = sklearn.manifold.MDS(dissimilarity = 'euclidean')
mds.fit(X)

paramètres :
- n_init = 10 : fait 10 essais pour trouver le meilleur
- random_state = 0 : seed pour avoir toujours les mêmes résultats
- n_components = 2 : le nombre de composantes sur la projection (2 par défaut)
- n_jobs = 2 : le nombre de jobs à lancer quand on fait plusieurs essais
mds.embedding_ : le résultat sous forme d'array n x 2, si 2 composantes (n nombre d'individus)
mds.stress_ : la valeur qui indique la qualité du fitting (plus elle est petite, meilleur c'est).

On peut aussi partir directement d'une matrice de distance :

distanceMatrix = sklearn.metrics.pairwise_distances(X)
mds = sklearn.manifold.MDS(dissimilarity = 'precomputed')
mds.fit(distanceMatrix)

programmer en python, tutoriel python, graphes en python, Aymeric Duclert