Apa cara terbaik untuk menghitung dekomposisi nilai singular (SVD) dari matriks positif yang sangat besar (65M x 3.4M) di mana data sangat jarang?
Kurang dari 0,1% dari matriks adalah nol. Saya butuh cara itu:
- akan masuk ke dalam memori (saya tahu bahwa ada metode online)
- akan dihitung dalam waktu yang wajar: 3,4 hari
- akan cukup akurat namun akurasi bukan perhatian utama saya dan saya ingin dapat mengontrol berapa banyak sumber daya yang saya masukkan ke dalamnya.
Akan sangat bagus untuk memiliki perpustakaan Haskell, Python, C # dll yang mengimplementasikannya. Saya tidak menggunakan mathlab atau R tetapi jika perlu saya bisa menggunakan R.