如何用sklearn獲得所有三個SVD矩陣？

Question

Singular value decomposition矩陣的大小M(M,N)手段融通

如何從scikit-learn和numpy包獲得全部三個矩陣？

我想我可以得到Sigma與PCA model：

import numpy as np 
from sklearn.decomposition import PCA 

model = PCA(N, copy=True, random_state=0) 
model.fit(X) 

Sigma = model.singular_values_ 
Sigma = np.diag(singular_values) 

那其他矩陣？

Answer 1

你可以使用numpy.linalg.svd這些矩陣如下：

a=np.array([[1,2,3],[4,5,6],[7,8,9]]) 
U, S, V = np.linalg.svd(a, full_matrices=True) 

S是一個1D數組，表示在Sigma對角線項。 U和V是來自分解的對應矩陣。請注意，當您使用PCA時，數據會在應用svd之前居中（與numpy.linalg.svd不同，其中svd直接應用於矩陣本身，請參見第409-410行here行）。