问题描述
我必须将使用 cuml (RAPIDS) 编写的代码转换为 sklearn。
我发现在 cuml.truncatedSVD 中，作为输出维度（奇异值的数量）的参数 n_components 可以等于 cuml 中的输入/特征的数量，但在 {{1} } 这需要一个严格低于输入维度的值。
我正在转换的 cuml 代码将两个特征作为输入并计算两个奇异值，这在 sklearn 中是不可能的。
解决方法
解决方案是在 Secs Event
-----------------
1
2
3 [Fast] 0
4
5
6 [Fast] 3
7 [Slow] 0
8
9 [Fast] 6
10
11
12 [Fast] 9
13
14 [Slow] 7
15 [Fast] 12
16
17
18 [Fast] 15
19
20
21 [Fast] 18
（在我的情况下更快）或 SVD 中使用 scipy 方法。您可以在 this discussion 中找到更多信息。