svd

1熱度

1回答

熊陪我度過我的LSI的適度理解（機械工程背景）：在LSI進行奇異值分解後，你有3個矩陣： U，S和V轉置。 U將單詞與主題進行比較，S是對每個要素的強度的一種度量。 Vt將主題與文檔進行比較。 U dot S dot Vt 返回SVD之前的原始矩陣。如果沒有做深入的太多（無）代數看來： U dot S dot **Ut** 返回由長期矩陣，它提供了條件之間的比較的術語。即一個術語與其他術

2熱度

1回答

使用本徵空空間計算是錯誤的？

我正在使用特徵庫（http://eigen.tuxfamily.org）使用SVD函數進行空間計算。我將輸出與matlab中的「Null」函數進行了比較，得到了不同的結果。使用調試器進行調試，查看由Eigen創建的V矩陣與matlab中的V矩陣之間的差異。 V矩陣中的左奇異向量（下面示例中的左3列）幾乎相同，但符號被切換。正確的奇異向量（零空間;下面的右3列）根本不是很相似。任何想法會導致此？我

0熱度

2回答

使用svd進行平面擬合的殘差

我正在使用奇異值分解擬合一組點（X，Y，Z座標）的最佳擬合平面。所以我用 M = [x y z 1] [u s v] = svd(M) p = v(:,4) 現在我想要的殘留點。我知道我可以計算平面方程來得到殘差，但我想問一下，是否有直接的方法從u，s，v矩陣中得到殘差？

2熱度

1回答

使用Python 12×12矩陣使用numpy.linalg.svd

我想在12 * 12矩陣上執行SVD。 numpy.linalg.svd工作正常。但是當我嘗試通過執行u * s * v來獲取12 * 12矩陣A時，我沒有回到它。 import cv2 import numpy as np import scipy as sp from scipy import linalg, matrix a_matrix=np.zeros((12,12))

2熱度

1回答

奇異值分解 - 社會網絡分析

我有一個由鄰接矩陣表示的非常大的節點網絡。我想減少網絡中包含更重要節點的節點數量。我知道SVD可以幫助我實現這一點，並且我已經使用ILNumerics庫在鄰接矩陣上運行svd（）方法。有人可以簡單地向我解釋輸出是如何幫助我減少網絡的尺寸嗎？ SVD過程給我留下了一個相同大小的矩陣，其下降值從對角線範圍從2到0。我如何知道刪除哪些尺寸被視爲不重要？我很可能不正確地做這個過程，因此任何幫助將不勝感

0熱度

1回答

在二進制數據上使用主成分分析（PCA）

我在二進制屬性上使用PCA來減少我的問題的維度（屬性）。初始尺寸爲592，在PCA之後尺寸爲497.我之前使用過PCA，在另一個問題的數值屬性上，它設法在更大程度上減小尺寸（初始尺寸的一半）。我相信二元屬性會降低PCA的能力，但我不知道爲什麼。請你解釋一下爲什麼PCA不能像數字數據那樣工作。謝謝。

4熱度

1回答

SVD和SVM有什麼區別

我知道縮寫SVM(Support Vector Machines)和SVD(Singular Value Decomposition)，並且在推薦引擎中都使用了SVM和SVD。按照俗人的說法，這兩種算法有什麼區別，它們將如何影響我的推薦引擎。

1熱度

1回答

如何以更快的速度計算條件編號？

我做了優化MATLAB的如下計算條件數： s = svd(H, 0); cond = max(s) ./ min(s); 是非常特別的時間耗費大H矩陣。我正在尋找一些近似但速度很快的東西。

2熱度

1回答

哪個算法在LAPACK中做DGESVD工具？

我很好奇在MATLAB中用於計算SVD的DGESVD函數。據我可以從Gene H. Golub和Charles F. Van Loan的「矩陣計算」中得知，有兩種可能的雙對角化方案 - Householder雙對角化和R-雙對角化。但是，我無法從正在使用的LAPACK文檔中確定。有人有主意嗎？

0熱度

1回答

在二次迴歸中使用奇異值分解（svd）

爲了對相當大的數據集進行二次迴歸，我想用svd（奇異值分解）求解以下等式： B（nx1）= A（ nx3）* X（3x1）我想使用matlab的，任何提示？目標是計算矩陣X