o ×tBh<ã@sBdZddlZddlZddlZddlmZddlmZddlmZddl m Z ddl m Z ddl mZmZdd lmZe  ¡Zd d „Zej d ejejejg¡d d„ƒZdd„Zdd„Zdd„Zdd„Zdd„Zdd„Z dd„Z!dd„Z"dd „Z#d!d"„Z$d#d$„Z%d%d&„Z&d'd(„Z'd)d*„Z(d+d,„Z)d-d.„Z*d/d0„Z+d1d2„Z,d3d4„Z-dS)5zTests for Incremental PCA.éN)Úassert_almost_equal)Úassert_array_almost_equal)Úassert_allclose_dense_sparse)Úassert_array_equal)Údatasets)ÚPCAÚIncrementalPCA)ÚsparsecCsÚtj}|jdd}td|d}tdd}| |¡| |¡}|j|jddfks+J‚tjj|j   ¡|j   ¡dddd|jdfD](}t||d }|  |¡|  ¡}|  ¡}tjjt ||¡t |jd¡d d qBdS) Nréé©Ú n_componentsÚ batch_size©r çü©ñÒMbP?©Úrtolé©rç‚vIhÂ%<=©Úatol)ÚirisÚdataÚshaperrÚ fit_transformÚnpÚtestingÚassert_allcloseÚexplained_variance_ratio_ÚsumÚfitÚget_covarianceÚ get_precisionÚdotÚeye)ÚXrÚipcaÚpcaÚ X_transformedr ÚcovÚ precision©r,ú‡/var/www/html/riverr-enterprise-integrations-main/venv/lib/python3.10/site-packages/sklearn/decomposition/tests/test_incremental_pca.pyÚtest_incremental_pcas*    ý  ÿûr.Ú matrix_classc Cstj}tdd}| |¡||ƒ}|jdd}td|d}| |¡}|j|jddfks/J‚tjj|j   ¡|j   ¡dddd|jdfD](}t||d }|  |¡|  ¡}|  ¡} tjjt || ¡t |jd¡d d qFtjtd d | |¡WdƒdS1s‡wYdS)Nr rrr r rrrrrrz…IncrementalPCA.partial_fit does not support sparse input. Either convert data to dense or use IncrementalPCA.fit to do so in batches.©Úmatch)rrrrrrrrrrr r!r"r#r$r%ÚpytestÚraisesÚ TypeErrorÚ partial_fit) r/r&r(ÚX_sparserr'r)r r*r+r,r,r-Útest_incremental_pca_sparse.s6    ý  ÿý "ør7cCsªtj d¡}d\}}| ||¡d}|dd…t gd¢¡7<d| d|¡t gd¢¡}tdd |¡ |¡}|t |d  ¡¡}t t  |d d ¡d dƒdS) NéÏ)édr gš™™™™™¹?é )r éérr rrçð?) rÚrandomÚ RandomStateÚrandnÚarrayrr!Ú transformÚsqrtr rÚabs)ÚrngÚnÚpr&ÚXtÚYtr,r,r-Ú%test_incremental_pca_check_projectionWs rJcCs|tj d¡}d\}}| ||¡}|dd…dfd9<|gd¢7}tddd |¡}| |¡}| |¡}t||d d dS) Nr8©é2r rçñh㈵øä>©r<r;r r r:r r ©Údecimal) rr>r?r@rr!rBÚinverse_transformr)rErFrGr&r'ÚYÚ Y_inverser,r,r-Útest_incremental_pca_inversels     rTc CsÂt gd¢gd¢g¡}|j\}}dD]&}tjtd ||¡dt|dd |¡Wdƒn1s3wYqd}tjtd  ||¡dt|d   |¡WdƒdS1sZwYdS) N)rrr)rrr)éÿÿÿÿrg®Gáz®ï?r;zdn_components={} invalid for n_features={}, need more rows than columns for IncrementalPCA processingr0r:rr zGn_components={} must be less or equal to the batch number of samples {}r) rrArr2r3Ú ValueErrorÚformatrr!r5)r&Ú n_samplesÚ n_featuresr r,r,r-Útest_incremental_pca_validation|s& ú ÷€ û"ørZcCs tdd}t ¡t dt¡| tj dd¡¡Wdƒn1s$wYt ¡t dt¡|  tj dd¡¡WdƒdS1sIwYdS)Nr<rÚerroré) rÚwarningsÚcatch_warningsÚ simplefilterÚRuntimeWarningr5rr>r@r!)r'r,r,r-Ú!test_n_samples_equal_n_components™s   þ  "þracCsrtj d¡}dD].\}}| ||¡}tdd}| |¡|jt|jƒks&J‚| |¡|j|j jdks6J‚qdS)Nr8))rLr:)r:rLrr) rr>r?Úrandrr5Ú n_components_ÚminrÚ components_)rErXrYr&r'r,r,r-Útest_n_components_none¥s      ôrfcCsætj d¡}d}d}| ||¡}| ||¡}| ||¡}tdd}| |¡|jddt t ¡ |  |¡Wdƒn1sAwY|jddt t ¡ |  |¡Wdƒn1sawY|jdd|  |¡dS)Nr8r9érr:é) rr>r?r@rr!Ú set_paramsr2r3rVr5)rErXrYr&ÚX2ÚX3r'r,r,r-Útest_incremental_pca_set_params·s$         ÿ   ÿ rlcCsvtj d¡}d}| |d¡}| |d¡}tdd}| |¡t t¡|  |¡WdƒdS1s4wYdS)Nr8r9rgrLr) rr>r?r@rr!r2r3rVr5)rErXr&rjr'r,r,r-Ú(test_incremental_pca_num_features_changeÎs       "ÿrmc Csštj d¡}d}d}| ||¡}g}t dd¡}|D]}td|d |¡}| |j¡qt |dd…|dd…ƒD]\}} t t  |¡t  | ¡d d q9dS) Nr8r9r r:rgr rUrérO) rr>r?r@Úarangerr!ÚappendreÚziprÚsign© rErXrYr&Úall_componentsÚ batch_sizesrr'ÚiÚjr,r,r-Ú test_incremental_pca_batch_signsÚs   "ÿrxc Cstj d¡}d}d}| ||¡}g}t ddd¡}|D]}td|d |¡}| |j¡qt |dd…|dd…ƒD] \}} t || dd q:dS) Nr8r9r rgé(r rUrrO) rr>r?r@rorr!rprerqrrsr,r,r-Ú!test_incremental_pca_batch_valuesês  "ÿrzc CsŒtj d¡}d}d}| ||¡}g}t ddd¡}|D]}td|d |¡}| |j¡qt |dd…|dd…ƒD] \}} t || ƒq:dS) Nr8r9rgéZr r rUr) rr>r?r@rorr!rprerqr) rErXrYr&rtrurr'Ú components_iÚ components_jr,r,r-Útest_incremental_pca_batch_rankús  " ÿr~c CsÌtj d¡}d\}}| ||¡}|dd…dfd9<|gd¢7}d}td|d |¡}td|d}t d |d|¡}t|dd …|dd…ƒD]\}} | ||| …dd…f¡qIt |j |j d d dS) Nr8rKrrMrNr:r r rrUr rO) rr>r?r@rr!rorqr5rre) rErFrGr&rr'ÚpipcaÚ batch_itrrvrwr,r,r-Ú test_incremental_pca_partial_fit s    "rcCsDtj}tdd |¡}tddd |¡}tt |¡t |¡dƒdS)Nr rér r)rrrrrrrrD)r&ÚY_pcaÚY_ipcar,r,r-Ú%test_incremental_pca_against_pca_irissr…cCsntj d¡}d}d}| ||¡d| d|¡}tdd |¡}tddd |¡}tt  |¡t  |¡dƒdS) Nr8r9r r<rrr‚r ) rr>r?r@rbrrrrrD)rErXrYr&rƒr„r,r,r-Ú,test_incremental_pca_against_pca_random_data(s r†cCsˆtjdddddd}d}|j\}}dD].}t|d  |¡}t|dd  |¡}t|j|j|d t|j|j|d t|j |j |d qdS) Néèr9çr:r8©Ú tail_strengthÚeffective_rankÚ random_stater )Nécrr rO) rÚmake_low_rank_matrixrrr!rrÚexplained_variance_rÚnoise_variance_)r&ÚprecrXrYÚncr(r'r,r,r-Útest_explained_variances5s  ÿ  ÿ ÿ÷r“c Csätj d¡}d}d}tj||dd|d}tdd|d |¡}tddd  |¡}t|j |j d ƒ|  |¡}|  |¡}tt  |j d ¡tj   |d ¡d d ƒtt  |j d ¡tj   |d ¡d d ƒt|j t tj |d dd¡d ƒt|j t tj |d dd¡d ƒtj d¡}d}d}tj||dd|d}tdd|d}tddd }| |¡}|t tj |d dd¡}|dd…dfd9<|dd…dfd9<t ||j¡}| |¡| |¡t|j gd¢dƒt|j gd¢dƒdS)Nrr‡r9rˆr:r‰Úfull)r Ú svd_solverrŒr r g@Úfroé )Úaxisénr ç‰A`åÐ" @rçX9´Èv¾@)ršr›r=é)rr>r?rrŽrr!rrÚsingular_values_rBr ÚlinalgÚnormrCrr$re) rErXrYr&r(r'ÚX_pcaÚX_ipcaÚX_hatr,r,r-Útest_singular_valuesHsP  ÿ   ÿ ÿÿÿ  ÿ    r£c CsÂtjdddddd}d}|j\}}dD]K}td |d  |¡}td |d d  |¡}| |¡}| |¡}tt  |¡t  |¡|d |  |¡} |  |¡} t|| |d t|| |d t| | |d qdS)Nr‡r:rˆr r8r‰r )Né T)Úwhitenr éú)r¥r rrO) rrŽrrr!rrBrrrDrQ) r&r‘rXrYr’r(r'ÚXt_pcaÚXt_ipcaÚ Xinv_ipcaÚXinv_pcar,r,r-Útest_whitenings" ÿ     õr«cCs’tj d¡}| dd¡d}| dd¡d}tdd}| |¡t|jƒ|_| |¡|j}tdd}| |¡| |¡|j}tj   ||¡dS)Nrr<r r r\r) rr>r?r@rr5ÚfloatÚn_samples_seen_rrr)rEÚAÚBr(Ú singular_vals_float_samples_seenÚpca2Úsingular_vals_int_samples_seenr,r,r-Ú/test_incremental_pca_partial_fit_float_division–s        ÿr³cCsXtj d¡}| dd¡}tddd}| |¡tdd}| |¡tj |j |j ¡dS)Nri ¡r i'r r) rr>r?rbrr!rrrr)rEr®r'r(r,r,r-Ú'test_incremental_pca_fit_overflow_error¯s      r´cCs6tdd tj¡}| ¡}tdd„tdƒDƒ|ƒdS)z+Check feature names out for IncrementalPCA.r rcSsg|]}d|›‘qS)Úincrementalpcar,)Ú.0rvr,r,r-Ú Ãsz:test_incremental_pca_feature_names_out..N)rr!rrÚget_feature_names_outrÚrange)r'Únamesr,r,r-Ú&test_incremental_pca_feature_names_out¾sr»).Ú__doc__Únumpyrr2r]Úsklearn.utils._testingrrrÚ numpy.testingrÚsklearnrÚsklearn.decompositionrrÚscipyr Ú load_irisrr.ÚmarkÚ parametrizeÚ csc_matrixÚ csr_matrixÚ lil_matrixr7rJrTrZrarfrlrmrxrzr~rr…r†r“r£r«r³r´r»r,r,r,r-ÚsH      ÿ &    9