svd

2熱

1答えて

なぜscikit-learn truncatedSVDはデフォルトで「ランダム化」アルゴリズムを使用していますか？

'arpack'を使用する場合、分散比が約0.5（n_iter = 10）のの場合は、ランダム化されたものを使用した場合、30000×40000のサイズの文書 - 行列を使用して3000次元に次元を縮小すると使用されました（）約0.9 'ランダム化された'アルゴリズムの分散比は 'arpack'のいずれよりも低くなっています。なぜ、scikit-learn truncatedSVDはデフォル

0熱

1答えて

OpenCVソースコードのSolve（）関数の場所

bool関数がOpenCVソースコードにある(mat, mat, result, Decomp_Method)をどこで解決するか知っていますか？私はこの機能のソースコードを読んでみたいと思いますが、ソースコード内でそれを見つけることはできません。私はコアモジュールであると思っていますが、core.hppのdllインターフェイス以外はどこでも見つけることができます。ありがとうございます。

0熱

1答えて

OpenCVでマトリックスランクを計算するには？

私はOpenCVで非正方行列を持っています。私はそれのランクを計算したいと思います。 SVD分解を行い、行数を計算する必要があると理解しましたか？ ...私はこのスレッド... opencv calculate matrix rank を見つけ、あまりにも多くの部屋があるので、私はエラーを作るため私は本当に ...、OpenCVの（C/C++）のコード例を使用することができます。しかし、それは

0熱

1答えて

SVDが線形回帰に適用される理由

SVDが最小二乗問題に適用されるのはなぜですか？そして、それは、この次のとおりです。撮影した残差の派生だった、それはの投影を取るためにそのグラフにアイデアである理由そして、ここに私は理解していませんエラーを最小限に抑えるためにy？ここで

2熱

2答えて

3dpyのnumpyでの圧縮

私はボクセルとしてセルを持つオブジェクトを表す3Dのnumpy配列を持っています。ボクセルは1から10の値を持ちます。イメージを圧縮して小さくしたいです。イメージが元のイメージとの最小限の合意レベルに圧縮することによってイメージがどれだけ複雑であるかについて後で簡単に考えてください。私はこれを2D画像で行い、必要な特異値の数を確認するのにSVDを使用しましたが、3D画像では問題があるように見えま

-2熱

1答えて

cusolver gesvd関数を使用して行主行列からSVDを解決する方法

私はcudaの初心者です。私は、cusolver APIを使用して行 - 主要な行列のsvdを解決しようとします。私は行の主要な行列100x10を持っています（例えば、10次元の空間に100個のデータがあります）。 cusolverDnDgesvd関数が必要ですldaパラメータ（行列Aの先頭の次元）。私の行列は行主ですので、私は10をcusolver gesvd関数に与えました。しかし機能は機能

1熱

1答えて

Spark - ドライバで実行されるMLlib computeSVD

私はRowMatrix.computeSVDをスカラーで実行していますが、UIでは "treeAggregate"だけがクラスタ上で実行されているように見え、その後アプリケーションマスターのUIは何も表示されませんcomputeSVDを引き続き実行します。だから私は、 "treeAggregate"だけがクラスタ上で実行され、残りはドライバ上で実行されていると仮定しています。すべてのSVDをクラ

0熱

1答えて

最小平方法：正規方程式対svd

私は線形回帰のために私自身のコードを書こうとしました。普通の方程式beta = inv(X'X)X'Yに従いました。しかし、平方誤差はのlstsq関数よりもはるかに大きくなります。 SVDメソッド（lstsqが使用する）が正規方程式よりも正確である理由は誰にも分かりますか？ありがとうございました

0熱

1答えて

コサイン類似度の負の値を扱う方法

私は、用語に基づいて私の文書のtf-idfを計算しました。次に、用語の次元数を減らすためにLSAを適用しました。 'similarity_dist'には負の値が含まれます（下の表を参照）。余弦距離を0-1の範囲で計算するにはどうすればよいですか？ cosine_distanceの範囲であろう故に cosine_distance = 1 - cosine_similarity ：として tf_v

1熱

2答えて

numpy svd：完全なsvdを実行する代わりに、最初の特異ベクトルだけを見つける方法はありますか？

numpy.linalg.svd関数は、入力行列の完全なsvdを返します。しかし、私は最初の特異ベクトルだけを必要とします。私はそこにpythonでそのライブラリや他のライブラリの関数があるのだろうかと思っていましたか？