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