linear-algebra

0熱度

1回答

我想將矩陣M乘以矢量V.應該是矢量。我寫 M:matrix([a,b,c],[d,e,f],[g,h,r]); V:[w,k,t]; res:M.V; 我得到列矩陣。我想獲得列表[a*w+c*t+b*k,d*w+f*t+e*k,g*w+r*t+h*k]。好的。我必須寫res:[res[1][1],res[2][1],res[3][1]]; 如何更有效地做到這一點？

0熱度

1回答

本徵態在python中具有特定的特徵值

我有一個非常大的矩陣，但我只想找到具有一個特定特徵值的特徵向量（大於1）。如何在不解決python中這個矩陣的整個特徵值和特徵向量的情況下得到這個結果？

0熱度

1回答

用matlab單元塊矩陣乘法

我想在Matlab中用單元格對A和B進行塊矩陣乘法。更具體地假設： a= 1 1 2 2 1 1 2 2 3 3 4 4 3 3 4 4 b= 2 2 4 4 2 2 4 4 6 6 8 8 6 6 8 8 我們現在可以將a和b轉換爲包含它們的塊的單元數組。 A = mat2cell(a,[2,2],[2,2]) an

1熱度

1回答

可能tensorflow cholesky_solve不一致？

我想用tensorflow.cholesky_solve來解決一個線性方程組，我得到了一些意想不到的結果。我寫了一個腳本來比較非常簡單的線性系統的輸出與簡單矩陣求逆器，非基於cholesky的矩陣方程求解器tensorflow.matrix_solve和tensorflow.cholesky_solve。根據我對我所鏈接的文檔的理解，這三種情況都應該產生單位矩陣除以2的解，但tensorflo

0熱度

1回答

適當的優化一些計算

試圖用numpy優化一段代碼，我想知道這是否是正確的方法。這裏是計算公式，矩陣是下三角。這裏是我的嘗試： (np.sum(P) - np.trace(P))/np.sum(((t[np.newaxis]).T - t) * P) 這是好，因爲它可以得到，或者你可以看到一個更有效的方法？

1熱度

1回答

支持向量機中的決策邊界計算

一旦我們得到模型的係數，我無法理解如何計算決策邊界。這裏我指的鏈接：http://scikit-learn.org/stable/auto_examples/svm/plot_svm_margin.html 下面是代碼 # get the separating hyperplane w = clf.coef_[0] a = -w[0]/w[1] xx = np.linspace(-5, 5

3熱度

2回答

如何識別數據集中其他列的總和列

我想寫一個函數（最好是R，但歡迎使用其他語言），它將識別列中的列之間的關係（限於添加/替換）數據集。這種實際應用將在大型多列金融數據集上運行，其中一些列是其他列的小計 - 並標識這些小計。理想情況下，我想允許小的差異 - 例如，以允許四捨五入的問題導致列不完全增加100％。我發現了以下question其中包括涉及矩陣和等級的解決方案，但我不確定是否有任何方法可以將處理因舍入問題而引起的數據中的

0熱度

1回答

如何在xyz座標系中在MatLab中製作3D線對象，使其可用於Procrustes分析？

我有一組由座標x，y和z組成的數據，我繪製了一條3D線。我想執行Procrustes分析以找出此3D線的形狀與另一個默認形狀之間的相似性。當我嘗試使用任何形狀分析函數或Procrustes函數時，它會在我創建的3D圖形輸入（即「myLine」）上給我一個無效的句柄錯誤。如何將此3D座標圖轉換爲Procrustes或其他函數的可用對象？ 3D line created from the coordi

3熱度

1回答

NumPy的點積根據數組dtype給出兩個不同的結果

我有一些灰度圖像數據（0-255）。根據NumPy dtype，我得到不同的點積結果。例如，x0和x1是相同的圖像： >>> x0 array([0, 0, 0, ..., 0, 0, 0], dtype=uint8) >>> x1 array([0, 0, 0, ..., 0, 0, 0], dtype=uint8) >>> (x0 == x1).all() True >>> np.

1熱度

3回答

計算行列式上溢/下溢時TensorFlow中行列式的對數

我的成本函數涉及log（det（A））的計算（假設det（A）是正數，所以日誌是有意義的，但A不是Hermitian，所以Cholesky分解不適用於此）。當det（A）非常大/小時，直接調用det（A）會溢出/下溢。爲了規避這一點，使用數學事實日誌（DET（A））= TR（日誌（A）），其中以後可以使用LU分解來評價（這是比特徵值/ SVD更有效）。這個算法已經實現了numpy爲numpy.