matlab - 理想的 SVD 实施？

Question

当然，理想是主观的。我正在做一些研究，我需要为矩形矩阵的 SVD 计算实现生产级代码。所以这就是我发现的，GraphLab 和 Mahout 使用 Lanczos 算法来实现 SVD，而我发现其他方法包括 QR 分解和 Jacobi 方法。我的问题是计算 SVD 的首选方法是什么？为什么？

score 2 · Accepted Answer

我发现这篇论文似乎很有帮助。

在部分

45.2 奇异值分解的算法

正在讨论不同的算法。

算法的不同之处在于是否涉及迭代，以及需要什么确切的输出，比如如果你只想要特征向量，事情会有点不同。

score 0 · Accepted Answer

您可以尝试 C++ 的 Eigen 库，它具有非常好的性能，如果您是 C++ 程序员，使用起来并不难：

Graphlab 将 Eigen 用于线性代数，不确定他们是否将其用于 SVD。

2 回答 2