pca代码java_使用PCA进行文本分类的降维

我正在做文件的文本分类，我有大约4k类和110万个数据样本 .

我正在构建矩阵，其中包含每个文档中的单词频率 . 矩阵样本如下所示

X1 X2 X3 X4

D1 1 1 0 1

D2 1 1 1 0

D3 1 1 0 0

D4 1 1 1 1

D5 0 0 1 0

D6 0 0 1 1

在上面的矩阵中，X1和X2是冗余特征，因为它们在所有行中具有相同的值 .

首先，当我从110万个数据构建矩阵时，我将获得具有90k特征的巨大矩阵 .

为了减少矩阵维数，我正在使用降维技术PCA我使用TruncatedSVD来计算PCA，因为我正在使用稀疏矩阵 .

我正在使用Sckit使用以下代码学习PCA的实现

from sklearn.decomposition import TruncatedSVD

X = [[1,1,0,1], [1,1,1,0], [1,1,0,0],[1,1,1,1],[0,0,1,0],[0,0,1,1]]

svd = TruncatedSVD(n_components=3)

svd.fit(X)

X_new=svd.fit_transform(X)

X_new的输出是

array([[ 1.53489494, -0.49612748, -0.63083679],

[ 1.57928583, -0.04762643, 0.70963934],

[ 1.13759356, -0.80736818, 0.2324597 ],

[ 1.97658721, 0.26361427, -0.15365716],

[ 0.44169227, 0.75974175, 0.47717963],

[ 0.83899365, 1.07098246, -0.38611686]])

这是我得到的缩小尺寸，我将X_new作为Naive Bayes分类器的输入 .

clf = GaussianNB()

model=clf.fit(X_new, Y)

对于110万个样本，我得到了以下输出：

No_of_components

(“n_components” parameter) accuracy

1000 6.57%

500 7.25%

100 5.72%

我的准确度很低，

以上步骤是否正确？

我需要进一步包含哪些内容？