python scipy eigs：無論收斂容差最大迭代次數後返回eigenvector

我想獲得稀疏對稱矩陣的特徵向量，在給定時間內負擔得起的最佳精度。
目前我使用了與scipy.sparse.eigsh如下：python scipy eigs：無論收斂容差最大迭代次數後返回eigenvector

evals, evecs = eigsh(MyMatrix, 2,which='LM' ,tol=1.e-15, maxiter=1000000)

如果它不maxiter迭代收斂到tol精度，它提出了一個ArpackNoConvergence錯誤，包含收斂的特徵向量/值，但不是說做的那些不。然而，我更喜歡使用精度爲1.e-14的矢量而不是1.e-15而不是矢量。有沒有辦法強制返回尚未收斂的特徵向量（可能與另一個庫）？
像在Matlab中一樣，eigs函數無論如何都會返回特徵向量，如果沒有達到所需的精度，只需要一個額外的警告。

謝謝！

來源

2015-10-31 Ant Plante

的ArpackNoConvergence例外具有包含部分結果.eigenvalues和.eigenvectors屬性：

import numpy as np 
from scipy.sparse.linalg import eigsh, ArpackNoConvergence 

M = np.random.RandomState(0).randn(100, 100) 

try: 
    w, v = eigsh(M, 5, maxiter=20) 
except ArpackNoConvergence as e: 
    print(e) 
    w = e.eigenvalues 
    v = e.eigenvectors 
    print(w.shape, v.shape)

打印：

ARPACK error -1: No convergence (21 iterations, 2/5 eigenvectors converged) 
((2,), (100, 2))

來源

2015-10-31 19:38:58

謝謝！但我想要的是訪問正在計算並且沒有完全收斂的eingenvalue/vector。例外只包含那些已經收斂到所需精度的例外。我想在給定次數的迭代中獲得最佳精度。 –

我認爲一個快速的解決方法是迭代地減小容差，直到'eigs'不再在指定的迭代次數內收斂。除此之外，我認爲應該可以通過手動構建['scipy.sparse.linalg.arpack._SymmetricArpackParams']（https://github.com/scipy/scipy/blob）來獲得部分收斂的特徵值/矢量/master/scipy/sparse/linalg/eigen/arpack/arpack.py#L370-L585）對象，在其上調用'.iterate（）'，然後在迭代失敗時使用'.extract（）'恢復特徵值/向量。 –

我會盡量在有空的時候更新我的答案。 –

python scipy eigs：無論收斂容差最大迭代次數後返回eigenvector

回答

相關問題