我正在尝试对具有维度（100000,1024）的矩阵执行白化。我需要确定 sklearn.decomposition 中的 PCA 或 RandomizedPCA 是否可以处理这种规模的问题，如果不能，我可以使用的最大功能数量是多少，并且仍然在大约 24 小时内完成。实现不是并行的。
根据sklearn.decomposition.PCA 的文档， PCA 转换的时间复杂度为 'O(n ** 3) 假设 n ~ n_samples ~ n_features。但我不确定那个 ~ 符号是什么意思。
RandomizedPCA据说效率更高，因为它是一个近似值，但我不知道多少。文档中没有关于它的时间复杂度。
作为参考，我已经对 (100000, 2) 进行了转换，这大约需要 2 分钟。我已经开始将（PCA 和 RandomizedPCA）转换为 (100000, 1024)，两者都运行了大约一个小时。我想知道它们是否会完成，但如果我做不到，我会在 24 小时后终止它们（如果它们仍在运行）。