svd

-3熱

1答えて

私はそれはscalar_product_op ::のresult_type（ライン86） simpeメインアプリケーションで同じ操作にBinaryFunctors.hに失敗し TEST(LinearALgebra, SVD) { Eigen::Matrix3d m; m << -0.0793311, 0.999997, -1.17221e-07, 1.74, 0.

-1熱

1答えて

np.eigとnp.svdの異なる固有値

np.eig（np.dot（A.T、A））** 2とnp.eig（A）で計算された固有値を比較しています。いくつかの値は同じですが、いくつかは同じではありません。誰が私になぜこれが起こるのか教えてもらえますか？

1熱

1答えて

pysparkのTF-IDFデータフレームにSVDを適用する方法

私はpyspark tf-idf関数を適用し、次の結果を得ました。 | features | |----------| | (35,[7,9,11,12,19,26,33],[1.2039728043259361,1.2039728043259361,1.2039728043259361,1.6094379124341003,1.6094379124341003,1.6094379124341

1熱

2答えて

TensorFlowのSVDがnumpyよりも遅い

私のマシンでは、テンソルフローのSVDがnumpyよりもかなり遅くなっていることがわかりました。私はGTX 1080 GPUを持っていて、SVDは少なくともCPU（numpy）を使ってコードを実行したときと同じくらい速いと期待しています。環境情報オペレーティングシステム lsb_release -a No LSB modules are available. Distributor ID:

0熱

1答えて

クラスタリングカテゴリ顧客データの購入

私は、費用、注文頻度、注文の幅、各カテゴリでの購入の割合（約20点あります）に基づいて顧客グループをクラスタリングしようとしています。これはおそらく簡単な答えでしょうが、％カテゴリの購入列を標準化（平均を引いてsdで除算）する必要があるかどうかはわかりません。私は標準化をしないと、4〜5の主成分（SVDを使用）で説明した分散の約90％を得ることができますが、各列を標準化すると、同じ数の主成分

4熱

1答えて

メモリ効率のよいスパースSVD/PCA（ジュリア）？

私は、数十億の非ゼロエントリを持つ300万x 900万の疎な行列を持っています。 RとPythonは、MAXINT以外のエントリを持つスパース行列を許可していないため、Juliaを使って自分自身を見つけたのです。このデータを標準偏差でスケーリングするのは簡単ではありませんが、デメメインングはもちろん、200MB以上の高密度のマトリックスを作成するという単純な方法では無駄です。 SVDを行うための

2熱

1答えて

sklearn truncated svdが複雑な行列に対して機能しない

sklearnのTruncatedSVDのランダム化バージョンを使用しようとしています（私は実際には実際のu、s、v行列を得るために内部関数randomized_svdを呼び出しています）。それは本当の行列に対して正常に動作している一方で、複雑なマトリックスのために、私は元の行列を取り戻すことができない特異値は正確に正しいにもかかわらず： >>> import numpy as np >>> f

0熱

1答えて

疎な対称行列でSVDを実行すると、Pythonのカーネルが死んでしまう

私は自分のデータセットでstandford講義で述べたSVDメソッドを再現したいと思います。講義のスライドは、次の通りである私のデータセットが生成され、CountVectorizerから処理 <13840x13840 sparse matrix of type '<type 'numpy.int64'>' with 597828 stored elements in Compressed Sp

2熱

1答えて

SVDのような行列変換（ランク正規形）

私はMATLABで研究論文を実装していますが、MATLABでの処理方法がわからない行列変換に遭遇しました。ここでは、P、Qは、変換行列である P*L*Q = [I O] あり、Lは、与えられた行列であり、I、Oはそれぞれ同一及びゼロ行列です。私はこれを私のコードを通して実装することができますので、誰かがこれをMATLABでいくつかの関数やアルゴリズムで手助けできますか？