python 在稀疏对称矩阵上执行 SVD 时内核死机
python kernel dead when performing SVD on a sparse symmetrical matrix
我想在我自己的数据集上重现斯坦福讲座中提到的 SVD 方法。讲座幻灯片如下
我的数据集是同类型的，是一个单词共现矩阵M，大小为
<13840x13840 sparse matrix of type '<type 'numpy.int64'>'
with 597828 stored elements in Compressed Sparse Column format>
由CountVectorizer()生成并处理，注意这是一个对称矩阵
但是，当我尝试从 SVD 中提取特征时，none 以下代码有效，
第一次尝试：
scipy.linalg.svd(M)
我已经尝试了来自稀疏 csr todense() 和 toarray() 的矩阵，我的电脑花了好几分钟，它显示内核停止。我还尝试了不同的参数设置
第二次尝试：
scipy.sparse.linalg.svds(M)
我也尝试过将矩阵类型从 int64 更改为 float64，但是，内核在 30 秒左右后就死机了。
任何人都可以建议我以任何方式对该矩阵进行 SVD 的方法吗？
非常感谢
我想在我自己的数据集上重现斯坦福讲座中提到的 SVD 方法。讲座幻灯片如下
我的数据集是同类型的，是一个单词共现矩阵M，大小为
<13840x13840 sparse matrix of type '<type 'numpy.int64'>'
with 597828 stored elements in Compressed Sparse Column format>
由CountVectorizer()生成并处理，注意这是一个对称矩阵
但是，当我尝试从 SVD 中提取特征时，none 以下代码有效，
第一次尝试：
scipy.linalg.svd(M)
我已经尝试了来自稀疏 csr todense() 和 toarray() 的矩阵，我的电脑花了好几分钟，它显示内核停止。我还尝试了不同的参数设置
第二次尝试：
scipy.sparse.linalg.svds(M)
我也尝试过将矩阵类型从 int64 更改为 float64，但是，内核在 30 秒左右后就死机了。
任何人都可以建议我以任何方式对该矩阵进行 SVD 的方法吗？
非常感谢