如何 svd 和 nmf 一个非常稀疏的维度矩阵（70000,70000）？该矩阵的稀疏版本可以存储为磁盘上小于700M的二进制文件。我可以用稀疏格式（如磁盘上的文件或可存储在内存中）对其进行分解，而无需重建整个矩阵，这些矩阵将无法存储在内存中（甚至难以存储在磁盘上）？
我知道 py 中的 R ， sklearn 和 pymf 中有 irlba >。但似乎他们需要重建矩阵（？我没有挖掘太多。）。 svd 的问题是我无法保存矩阵 S，V和D ，但是，如果我指定一个K并且只保存对应于k个最大特征值的矩阵 S_k，V_k和D_k ，该怎么办？至于 nmf ，我想把它分解为大小为（70000,100）的 W 和大小为（100,70000）的 H 它们可以存储在内存中。
如果有某些方法可以这样做，那么计算 svd 和 nmf 的预计时间是多少？任何帮助将不胜感激！
为什么NMF（非负矩阵分解）不是标签？