Scikit学习TruncatedSVD文档

Question

我打算使用sklearn.decomposition.TruncatedSVD为一个Kaggle 比赛进行LSA，我知道后面SVD和LSA数学，但我通过 scikit学习的用户指南困惑，所以我不知道怎么样实际适用 TruncatedSVD。

在the doc，它指出：

此操作后，

U_k * transpose(S_k)是变换训练k功能（在API中称为n_components）设置

这是为什么？我想在SVD之后，X，此时X_k应该是U_k * S_k * transpose(V_k)？

，然后它说，

要还变换测试设置X，我们与V_k乘以：X' = X * V_k

这是什么意思？

Answer 1

我喜欢文档Here好一点。 Sklearn是在相当一致的，你几乎总是使用某种下面的代码的组合：如果你想改变这种数据，而不是只拟合它的

#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 

同样，如果您没有转化数据，但进行预测相反，你会使用类似：

predictions = model.predict(testData) 

希望帮助...