SVD 不产生缩小的尺寸

Question

运行下面的代码：

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缩小到一定大小，但矩阵却缩小了。是否可以使用 TruncatedSVD 以便将数据集的每一行缩小到大小 2，而不是将整个矩阵缩小到大小 2？

Answer 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.

转换后的输出将通过

获得

  svd.transform(X)

或回原space为

  svd.inverse_transform(X)

需要最后一个来执行原始矩阵和转换后矩阵之间的任何统计比较。

SVD 不产生缩小的尺寸

SVD not producing reduced dimensions

python

machine-learning

scipy

scikit-learn

svd