Scikit學習TruncatedSVD文檔

Question

我打算使用sklearn.decomposition.TruncatedSVD爲一個Kaggle 比賽進行LSA，我知道後面SVD和LSA數學，但我通過 scikit學習的用戶指南困惑，所以我不知道怎麼樣實際適用 TruncatedSVD。

在the doc，它指出：

此操作後，

U_k * transpose(S_k)是變換訓練k功能（在API中稱爲n_components）設置

這是爲什麼？我想在SVD之後，X，此時X_k應該是U_k * S_k * transpose(V_k)？

，然後它說，

要還變換測試設置X，我們與V_k乘以：X' = X * V_k

這是什麼意思？

Answer 1

我喜歡文檔Here好一點。 Sklearn是在相當一致的，你幾乎總是使用某種下面的代碼的組合：如果你想改變這種數據，而不是隻擬合它的

#import desired sklearn class 
from sklearn.decomposition import TruncatedSVD 

trainData= #someArray 
testData = #someArray 

model = TruncatedSVD(n_components=5, random_state=42) 
model.fit(trainData) #you fit your model on the underlying data 

，

model.fit_transform(trainData) #fit and transform underlying data 

同樣，如果您沒有轉化數據，但進行預測相反，你會使用類似：

predictions = model.predict(testData) 

希望幫助...