Scikit learn 为什么scikit学习截断SVD使用'；随机'；默认算法？
我使用了具有30000×40000大小的术语文档矩阵的截断SVD，将维度减少到3000维， 使用“随机化”时，方差比约为0.5（n_iter=10） 使用“arpack”时，方差比约为0.9 “随机化”算法的方差比“arpack”算法的方差比低 那么为什么scikit learn truncatedSVD默认使用“随机化”算法呢？速度 根据sklearn.decomposition.TruncatedSVD可以使用随机算法，因为本文声称他们的算法要快得多 对于稠密矩阵，它在O（m*n*log（k））时间内运行，而经典算法需要O（m*n*k）时间，其中m和n是矩阵的维数，您需要从中获得第k个最大分量。随机化算法也更容易有效地并行化，并减少了对数据的传递 论文的表7.1（第45页）显示了一些算法的性能，它们是矩阵大小和分量的函数，随机算法通常快一个数量级 输出的准确性也被认为是相当好的（图7.5），尽管有一些修改和常量可能会影响它，我还没有通过sklearn代码查看它们做了什么/没有做什么Scikit learn 为什么scikit学习截断SVD使用'；随机'；默认算法？,scikit-learn,svd,dimension-reduction,Scikit Learn,Svd,Dimension Reduction,我使用了具有30000×40000大小的术语文档矩阵的截断SVD，将维度减少到3000维， 使用“随机化”时，方差比约为0.5（n_iter=10） 使用“arpack”时，方差比约为0.9 “随机化”算法的方差比“arpack”算法的方差比低 那么为什么scikit learn truncatedSVD默认使用“随机化”算法呢？速度 根据sklearn.decomposition.TruncatedSVD可以使用随机算法，因为本文声称他们的算法要快得多 对于稠密矩阵，它在O（m*n*log（k