我尝试使用sklearn的TruncatedSVD的随机版本(尽管我实际上调用了内部函数randomized_svd来获得实际的u,s,v矩阵)。虽然它对实矩阵工作良好,但对于复杂矩阵,即使奇异值完全正确,我也无法恢复原始矩阵:
>>> import numpy as np
>>> from sklearn.utils.extmath import randomized_svd
>>> N = 3
>>> a = np.random.rand(N, N)*(1 + 1j)
>>> u1, s1, v1 = np.linalg.svd(a)
>>> u2, s2, v2 = randomized_svd(a, n_components=N, n_iter=7)
>>> np.allclose(s1, s2)
True
>>> np.allclose(a, u1.dot(np.diag(s1)).dot(v1))
True
>>> np.allclose(a, u2.dot(np.diag(s2)).dot(v2))
False
你知道怎么回事吗?在
结果发现,这是一个随机的_svd错误,特别是在这个转换上:
替换为
^{pr2}$解决了这个问题。在
相关问题 更多 >
编程相关推荐