'arpack'を使用する場合、分散比が約0.5（n_iter = 10）の の場合は、ランダム化されたものを使用した場合、30000×40000のサイズの文書 - 行列を使用して3000次元に次元を縮小すると使用されました（ ）約0.9なぜscikit-learn truncatedSVDはデフォルトで「ランダム化」アルゴリズムを使用していますか？
'ランダム化された'アルゴリズムの分散比は 'arpack'のいずれよりも低くなっています。
なぜ、scikit-learn truncatedSVDはデフォルトで「ランダム化」アルゴリズムを使用するのですか？
スピード！
docsによれば、sklearn.decomposition.TruncatedSVDは、Halko, Martinson, and Tropp (2009).のランダムアルゴリズムを使用できます。この論文では、アルゴリズムがかなり高速であると主張しています。
古典的なアルゴリズムはO（m * n * k）時間を要するのに対して、それはO（m * n * log（k））時間で実行されます。そこからk番目に大きいコンポーネントが必要です。ランダム化されたアルゴリズムは、効率的に並列化することも容易であり、データの通過回数を減らすことができます。
表7は、マトリックスサイズとコンポーネント数の関数としてのいくつかのアルゴリズムのパフォーマンスを示しています。ランダム化されたアルゴリズムは、しばしば1桁高速です。
出力の精度もかなり良いと主張されていますが（図7.5）、それに影響を与えるいくつかの修正や定数がありますが、Sklearnコードを見ていない行う。