大型稀疏矩阵分解

Question

如何svd和nmf一个维数为（70000，70000）的极稀疏矩阵？这个矩阵的稀疏版本可以在磁盘上存储为小于700M的二进制文件。我是否可以在不重建整个矩阵的情况下将其分解为稀疏格式（如磁盘上的文件或可存储在内存中）而不重建整个矩阵（甚至很难存储在磁盘上）？在

我知道在python中有irlba，sklearn和pymf。但是他们似乎需要重建矩阵（？）？问题是我不能保存矩阵S，V和D，但是如果我指定一个K并且只保存K-最大特征值对应的矩阵S_K，V逖K和D๨K？至于nmf，我想把它分解成大小为（70000，100）的W和大小（10070000）的W，它们可以存储在内存中。在

如果有特定的方法，计算svd和nmf的预期时间是多少？任何帮助都将不胜感激！在

为什么NMF（非负矩阵分解）不是一个标记？在

Answer 1

您可以尝试使用^{}包，它提供了svds()函数，该函数适用于稀疏矩阵，并且只允许您检索一些单数值/向量。在

请参见README页面中的一些示例。在