スケーラビリティ

SVDでは、大規模なデータセットが効率的に処理され、ディメンション性の低減のために、特徴の適切な数が推奨されます。

特異値分解(SVD)では、数百万の行と数千の属性があるデータセットを処理できます。Oracle Machine Learningでは、ディメンション性の低減のために、特徴について、データに基づいて適切な数が自動的に推奨されます。

SVDには、完全な分解を計算する際に、行の数に応じた線形のスケーラビリティと属性の数に応じた3次元のスケーラビリティがあります。低ランクの分解は、通常、行の数および列の数に対して線形です。ランクを低下させた場合、スケーラビリティは、そのランクを行および列の数と比較した結果に依存します。ランクが大幅に低下する場合は線形に、同じスケールにある場合は3次元になります。