Scikit-learn TruncatedSVD文档

Question

我计划使用sklearn.decomposition.TruncatedSVD为Kaggle执行LSA 比赛，我知道SVD和LSA背后的数学，但我很困惑 scikit-learn的用户指南，因此我不确定如何实际应用 TruncatedSVD。

在the doc中，它声明：

  

此操作后，

  

U_k * transpose(S_k)是具有k功能的转换后的训练集（在API中称为n_components）

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，

  

要同时转换测试集X，我们将其与V_k相乘：X' = X * V_k

这是什么意思？

Answer 1

我更喜欢文档Here。 Sklearn非常一致，因为您几乎总是使用以下代码的某种组合：

#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

如果你想转换那些数据而不是仅仅适合它，

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

同样，如果您没有转换数据，而是进行预测，则可以使用以下内容：

predictions =  model.predict(testData)

希望有帮助...