python - 截断的 SVD 需要很多时间

Question

我正在尝试通过使用截断 SVD 计算最佳 n_components 来减少数据集的维度，但这需要花费大量时间。

from sklearn.decomposition import TruncatedSVD
pca = TruncatedSVD()
pca.n_components = 10048
pca_data = pca.fit_transform(X_tr)
percentage_var_explained = pca.explained_variance_ / 
np.sum(pca.explained_variance_);cum_var_explained = np.cumsum(percentage_var_explained)

Answer 1

您可以改用以下方法(如果我们想保留数据中 95% 的方差，请根据需要更改数字):

from sklearn.decomposition import PCA
pca = PCA(n_components = 0.95)
reduced = pca.fit_transform(X)

如果我遗漏了重点，让我知道我没有联系的地方，我会尽力提供帮助。