截断的 SVD 需要很多时间

【问题标题】：Truncated SVD is taking lot of time截断的 SVD 需要很多时间
【发布时间】：2019-09-30 19:22:39
【问题描述】：

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)

【问题讨论】：

标签： python scikit-learn pca svd

【解决方案1】：

您可以改用以下内容（如果我们想保留 95% 的数据方差，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)

如果我错过了重点，请告诉我我没有连接的地方，我会尽力提供帮助。

【讨论】：