svd分解

 sklearn中svd分解

class sklearn.decomposition.TruncatedSVD(n_components=2, *, algorithm='randomized', n_iter=5, random_state=None, tol=0.0)

参数：

n_components：整数，默认=2

输出数据的所需维度。必须严格小于特征数。默认值对可视化很有用。对于 LSA，建议值为 100。

algorithm：{‘arpack’, ‘randomized’}，默认='随机'

要使用的 SVD 求解器。 “arpack” 用于 SciPy (scipy.sparse.linalg.svds) 中的 ARPACK 包装器，或 “randomized” 用于 Halko (2009) 中的随机算法。

n_iter：整数，默认=5

随机 SVD 求解器的迭代次数。 ARPACK 不使用。默认值大于