截断SVD VS偏SVD

有人可以告诉我，截断SVD之间的差额作为sklearn实施，为实现局部SVD，比方说，fbpca？截断SVD VS偏SVD

我无法找到一个明确的答案，因为我还没有看到任何人使用截断SVD为主要成分的追求（PCP）。

来源

2015-08-21 slaw

截短的或部分的装置，你只计算一定数量的组件/奇异向量 - 值对（最强的）的。

在scikit学习的说法，“部分”通常是指这样的事实：一种方法是就行，这意味着它可以与部分数据被馈送。您提供的数据越多，它将收敛到预期的最佳状态。

两者可以结合起来，并一直，也sklearn：sklearn.decomposition.IncrementalPCA做到这一点。

来源

2015-08-26 20:32:28 eickenberg

因此，部分SVD相当于增量PCA在sklearn？我很困惑。如果是这样，那么用于主分量追踪（即强健的PCA）的是什么？ – slaw

强大的pca在低位+稀疏的纸条？ – eickenberg

是的，Candes纸。正如我目前所了解的（如果我错了，纠正我），PCP可用于将矩阵（M）分解为低秩（L）和稀疏（S），并且通常使用部分SVD来实现。我想知道如何使用sklearn/Python来获取L + S，而不必根据论文来滚动我自己的算法。另外，如果M太大而不适合记忆，我该怎么办？您是否已经有了一个确定L + S的在线方法？在此先感谢 – slaw

截断SVD VS偏SVD

回答

相关问题