matrix-inverse

1熱度

1回答

我有很簡單的問題，但不幸的是我無法找到本徵文檔中回答我有一個「胖」矩陣一個（行數少於數cols），我想找到矩陣的最小規範僞逆。理想情況下，我想通過最低標準找到它QR分解如this幻燈片中所述。根據幻燈片我可以用簡單直接的方法，通過使用這個公式 A.transpose() * (A * A.transpose()).inverse() 要做到這一點，但我希望有在徵更優雅的解決方案 PS對不

-1熱度

2回答

矩陣M1由tf.inverse（M1）乘以不會產生單位矩陣

使用Python中TensorFlow，我有以下代碼： sess = tf.InteractiveSession() # so I can eval() t1 = tf.convert_to_tensor([[1,4,5],[34,5,1],[53,1,4]],dtype=tensorflow.float32) t1.eval() OUTPUT>> array([[ 1., 4., 5.],

1熱度

1回答

可以Spark和ScalaNLP庫Breeze一起使用嗎？

我正在Apache Spark中開發基於Scala的極限學習機。我的模型必須是Spark Estimator，並使用Spark框架才能適應機器學習管道。有誰知道Breeze是否可以和Spark一起使用？我所有的數據都在Spark數據框中，我可以使用Breeze導入它，使用Breeze DenseVectors作爲數據結構，然後轉換爲Estimator部件的DataFrame。 Breeze的優點在

1熱度

2回答

在python中有大值的矩陣的矩陣求逆

我在做python的矩陣求逆，並且發現結果因數據比例而不同，這很奇怪。在下面的代碼中，預計A_inv/B_inv = B/A。但是，它表明，A_inv/B_inv和B/A之間的差異越來越大，這取決於數據範圍......這是因爲Python無法精確計算具有大值的矩陣的矩陣求逆嗎？此外，我檢查了B的條件編號，這是一個常數〜3.016，無論規模是多少。謝謝！ import numpy as np

6熱度

1回答

計算矩陣求逆對角線的有效方法

計算對稱稠密矩陣求逆的對角線的最佳方法是什麼（2000 * 2000）？目前我首先使用solve(x)計算逆，然後提取對角線（diag(y)）。即使它可行，但我想知道是否有更好的方法來實現它，以便代碼運行更快。我試過chol2inv()，但它沒有用，因爲我的矩陣不是正定的。更新：對於任何可能感興趣的人，我都能夠通過使用優化的數學庫英特爾MKL來加速矩陣求逆。在我的機器上反轉2000 * 200

-1熱度

1回答

逆矩陣3f

在android.renderscript包中有Matrix3f和Matrix4f類。 Matrix4f類有一個inverse()方法，但Matrix3f沒有。要計算一個Matrix3f實例的逆函數，是否可能有一個實用程序類或可能是一個智能解決方法來實現此目的？

3熱度

1回答

MatLab的：CHOL矩陣必須是正定

我試圖適應MatLab的t系詞我的數據，我的作用是： u = ksdensity(range_1, range_1,'function','cdf'); v = ksdensity(range_2, range_2,'function','cdf'); %fit a t-copula to returns rng default ; % For reproducibility [Rho,n

1熱度

1回答

使用Cholesky分解顛倒矩陣的效率

我有一個對稱的正定矩陣（例如協方差矩陣），我想計算它的逆矩陣。在數學中，我知道使用喬列斯基分解來倒置矩陣更有效率，尤其是如果矩陣很大的話。但我不確定「numpy.lianlg.inv（）」是如何工作的。假設我有以下代碼： import numpy as np X = np.arange(10000).reshape(100,100) X = X + X.T - np.diag(X.diago

1熱度

1回答

使用高斯消除計算矩陣的逆時出現非常高的不準確性

我正在使用一個C++代碼庫，它使用矩陣庫來計算各種事物。其中一件事是計算矩陣的逆矩陣。它使用高斯精度來實現這一點。但結果是非常不準確的。如此多的以至於將逆矩陣與原始矩陣相乘甚至沒有接近單位矩陣。下面是用於計算逆的代碼，基質模板上的數值類型，並且行和列： /// \brief Take the inverse of the matrix. /// \return A new matrix whi

1熱度

1回答

矩陣求逆方法

當一個具有與載體基質逆乘法的一個問題，因爲這樣的：一個可利用一個Cholesky分解甲和backsubstitute b找到產生的矢量x。但是，如果不像上面那樣制定問題，有時需要矩陣求逆。我的問題是處理這種情況的最佳方式是什麼。下面，我比較了各種方式（使用numpy的）反轉正定矩陣：首先，生成矩陣： >>> A = np.random.rand(5,5) >>> A array([[ 0.