高维svd 如何做啊?

请问,高维的svd 如何做啊,(比如 是 10000 X 100000的矩阵)?
 
现在我正在做推荐系统(用python) item X user 约 10000 X 100000, 特别的稀疏, 但应用现有的包(如numpy等)还是处理不了。说是内存不够(16G的。。。)
有没有什么好的方法啊。
先谢谢大家的指教。

Robin_TY - PhD@CSU,研究方向:计算机视觉,模式识别

赞同来自:

可以试试sklearn里的svd分解,适用于稀疏矩阵。参考链接如下: http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.TruncatedSVD.html​     

pegasus

赞同来自:

我试过啦,不行啊,有没有其他方法啊,谢谢啦

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自:

从完成工作的角度看,如果自适应的自己实现一个超稀疏矩阵的SVD,感觉代价会有些高,且有实现风险。 同意@Robin_TY 的办法,使用现有库做参数设置上的尝试。

要回复问题请先登录注册