python - SVD不会减小尺寸

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可以缩小大小，但是矩阵却可以缩小。可以使用TruncatedSVD以便将数据集的每一行都缩小为2号，而不是将整个矩阵缩小为2号吗？

最佳答案

打印单数values而不是vectors。因为values = 2，所以具有两个单数n_components是适当的。

转换后的输出将通过

  svd.transform(X)

或回到原来的空间

  svd.inverse_transform(X)

最后一个需要在原始矩阵和转换后的矩阵之间进行任何统计比较。

关于python - SVD不会减小尺寸，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51482918/