python中的稀疏矩阵svd

你可以用 Divisi 图书馆要做到这一点;从主页:

• 它是一个用Python编写的库,使用C库(SVDLIBC)使用Lanczos算法执行稀疏SVD操作。其他数学计算由NumPy执行。

sparsesvd 就是你要找的!SVDLIBC有效地包装在Python中(在RAM中没有额外的数据拷贝)。

只需运行“easy\u install sparsesvd”即可安装。

scipy.sparse.linalg.svd ,尽管文档仍在进行中,因此相当简洁。

一个使用 python-recsys 图书馆:

from recsys.algorithm.factorize import SVD

svd = SVD()
svd.load_data(dataset)
svd.compute(k=100, mean_center=True)

ITEMID1 = 1  # Toy Story
svd.similar(ITEMID1)
# Returns:
# [(1,    1.0),                 # Toy Story
#  (3114, 0.87060391051018071), # Toy Story 2
#  (2355, 0.67706936677315799), # A bug's life
#  (588,  0.5807351496754426),  # Aladdin
#  (595,  0.46031829709743477), # Beauty and the Beast
#  (1907, 0.44589398718134365), # Mulan
#  (364,  0.42908159895574161), # The Lion King
#  (2081, 0.42566581277820803), # The Little Mermaid
#  (3396, 0.42474056361935913), # The Muppet Movie
#  (2761, 0.40439361857585354)] # The Iron Giant

ITEMID2 = 2355 # A bug's life
svd.similarity(ITEMID1, ITEMID2)
# 0.67706936677315799