我正在尝试对维度为（1000001024）的矩阵执行白化处理。我需要确定sklearn.decomposition的PCA或RandomizedPCA是否可以处理这种大小的问题，如果不能，我可以使用的最大数量的功能是什么，并且仍然可以在大约24小时内完成。实现没有并行化。
根据sklearn.decomposition.PCA的文档，假设n~n_samples~n_features，PCA变换的时间复杂度为"O（n**3）"但我不确定~符号是什么意思。
随机化主成分分析应该更有效，因为它是一种近似，但我不知道有多少。文档中没有任何关于它的时间复杂性的内容。
作为参考，我执行了一个到（100000，2）的转换，大约需要2分钟。我已经开始将（PCA和RandomizedPCA）转换为（100000，1024），这两个转换都运行了大约一个小时。我想知道它们是否能完成，但如果不能，如果它们还在运行，我会在24小时后终止它们。
通过实验，随机PCA似乎线性增长，并在一个多小时内完成1024个特征。