SVD 不产生减小的尺寸答案

【问题标题】：SVD not producing reduced dimensionsSVD 不产生减小的尺寸
【发布时间】：2018-12-31 03:34:50
【问题描述】：

运行以下代码：

from sklearn.decomposition import TruncatedSVD
import numpy as np
X = np.matrix('1 2 3 4 5; 3 4 5 6 7; 1 1 1 1 1; 2 3 4 5 6; 2 3 4 5 6')
svd = TruncatedSVD(n_components=2, n_iter=7, random_state=42)
svd.fit(X)
print(svd.singular_values_)

产生：

[19.32338258  1.26762989]

我希望矩阵的每一行都减小到大小，但矩阵却减小了。是否可以使用 TruncatedSVD 使数据集的每一行都缩小到 2 的大小，而不是将整个矩阵缩小到 2 的大小？

【问题讨论】：

标签： python machine-learning scipy scikit-learn svd

【解决方案1】：

打印了单数 values 而不是 vectors。有两个单数values 是合适的，因为n_components=2。

转换后的输出将由

  svd.transform(X)

或回到原来的空间

  svd.inverse_transform(X)

最后一个用于在原始矩阵和转换后的矩阵之间进行任何统计比较。

【讨论】：