在训练/测试拆分之前还是之后对列进行因子分解？

在训练/测试拆分之前进行因子分解。

因子分解是一种数据预处理的方法，通过将原始数据矩阵分解为两个低秩矩阵的乘积形式，可以捕捉到数据中的隐藏结构和关联关系。在训练/测试拆分之前进行因子分解可以将数据分解为两个低秩矩阵，分别表示训练集和测试集中的特征，从而提取出数据中的重要特征。

这样做的优势包括：

1. 减少过拟合：通过因子分解将原始数据降维，可以减少模型在训练集上的过拟合现象，提高模型的泛化能力。
2. 隐含特征提取：因子分解可以提取出数据中的隐含特征，有助于发现数据中的潜在模式和规律。
3. 数据压缩：因子分解可以将原始数据矩阵分解为两个低秩矩阵的乘积形式，实现数据的压缩存储，降低存储和计算的开销。

因子分解在很多领域都有应用，例如推荐系统、图像处理、自然语言处理等。

在腾讯云的产品中，可以使用腾讯云的矩阵分解引擎TSVD进行因子分解操作。TSVD提供了高性能、高可靠的因子分解服务，可以满足各种规模和复杂度的因子分解需求。详情请参考腾讯云TSVD产品介绍：TSVD产品介绍。