Question

我正在尝试将scikit学习模块用于学校的机器学习练习。我正在尝试重建的练习已经作为示例在sklearn ICA文档，使用ICA的盲源分离[http://scikit-learn.org/stable/auto_examples/decomposition/plot_ica_blind_source_separation.html#example-decomposition-plot-ica-blind-source-separation-py]。该示例基本上生成3个信号（或声音源），然后合并增加的噪声，然后尝试使用ICA重建原始源。很简单吧？但是，我有以下困惑：

FastICA究竟回归了什么？对于以下代码：
```
ica = FastICA(n_components=3)
S_rec = ica.fit_transform(X)
```
在这种情况下'ica'是什么？我试图打印该值，但没有返回任何内容。我试图找出'ica'是什么，以便准确理解ica.fit_transform（X）正在做什么。这里对'X'应用了什么转换？
'FastICA'和'fastica'有什么区别？这两个函数也有不同的文档页面：
- FastICA：http：//scikit-learn.org/stable/modules/generated/sklearn.decomposition.FastICA.html#sklearn.decomposition.FastICA
- fastica：http://ogrisel.github.io/scikit-learn.org/sklearn-tutorial/modules/generated/sklearn.decomposition.fastica.html
我的问题是，它们都为相同的输入数据返回不同的混合矩阵。我认为我的理解并没有做错任何事。

如果有人可以解释这一点或指出我做错了什么，那将是一个很大的帮助。谢谢！

Answer 1

FastICA究竟回归了什么？对于以下代码： [...]在这种情况下，'ica'是什么？

FastICA是一个类，因此调用它会在.fastica函数上返回一个OOP包装器。换句话说，您将获得对FastICA类实例的引用，该实例存储您的初始配置（例如组件数），并可用于对任何数据执行ica（通过fit / transform）。

我试图打印该值，但没有返回任何内容。我试图找出'ica'是什么，以便准确理解ica.fit_transform（X）正在做什么。这里对'X'应用了什么转换？

ICA找到 unmixing 矩阵W，然后将其应用于X，从而fit_transform（X）== X.dot（W）（如果您在构造函数中请求它，则会有一些白化等））

'FastICA'和'fastica'有什么区别？这两个函数也有不同的文档页面：

没有区别。 FastICA是围绕fastica的面向对象的包装器，仅此而已。它实际上是calls fastica during fit。

我的问题是，它们都为相同的输入数据返回不同的混合矩阵。我认为我的理解并没有做错任何事。

FastICA不是一种确定性算法，因此每次都可以获得不同的解决方案。