问题标签 [jama]

我将 LMNN (Largest Margin Nearest Neighbor) 度量学习算法 matlab 代码更改为 java，并使用Jama 库。我得到了不同的结果，出现了差异，我认为是因为 Matlab 和 Jama 中的特征值分解（特征值和特征向量）。如果您以前遇到过此类问题，请给我评论。另外，是不是一定要在这样的条件下得到类似的结果。

在 Matlab 中：

Java（IdeM 是 PSD 矩阵）

结果

示例结果：

Matlab结果：

Java 使用 Jama 库：

我有以下矩阵，它是对称且实数的（它是一个汉密尔顿算子）：（Matlab 友好）

[63.000000, -1.732051, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000; -1.732051, 61.000000, -2.000000, 0.000000, -1.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000; 0.000000, -2.000000, 61.000000, -1.732051, 0.000000, -1.414214, 0.000000, 0.000000, 0.000000, 0.000000; 0.000000, 0.000000, -1.732051, 63.000000, 0.000000, 0.000000, -1.732051, 0.000000, 0.000000, 0.000000; 0.000000, -1.000000, 0.000000, 0.000000, 61.000000, -1.414214, 0.000000, 0.000000, 0.000000, 0.000000; 0.000000、0.000000、-1.414214、0.000000、-1.414214、60.000000、-1.414214、-1.414214、0.000000、0.000000；0.000000、0.000000、0.000000、-1.732051、0.000000、-1.414214、61.000000、0.000000、-2.000000、0.000000；0.000000、0.000000、0.000000、0.000000、0.000000、-1.414214、0.000000、61.000000、-1.000000、0.000000；0.000000, 0.000000, 0.000000, 0.000000、0.000000、0.000000、-2.000000、-1.000000、61.000000、-1.732051；0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, 0.000000, -1.732051, 63.000000]

如果我用这些值制作 JAMA 矩阵并执行特征值分解，则 V*D*transpose(V) 不等于汉密尔顿。你们有谁知道出了什么问题吗？特征值与 MATLAB 一致，但特征向量不一致。

这是一个测试它的类

编辑：结果 (V*D*transpose(V)) 产生

63.1093 -0.6379 0.3400 -0.6576 0.0938 -0.0437 -0.6056 -0.5066 0.3463 0.5039 -0.6379 61.3082 -0.2368 -1.7813 -0.0851 0.7949 -0.1337 0.7668 -0.0422 -2.4329 0.3400 -0.2368 60.1481 1.3323 -0.4099 -1.8834 -0.5780 0.7516 0.0946 0.1705 -0.6576 -1.7813 1.3323 61.2455 0.0972 -0.8075 -0.9004 0.0242 0.3963 -1.2527 0.0938 -0.0851 -0.4099 0.0972 60.3086 -0.1899 0.0394 0.1987 -0.0484 -0.1495 -0.0437 0.7949 -1.8834 -0.8075 -0.1899 61.7941 0.3741 0.8237 0.7772 0.7557 -0.6056 -0.1337 -0.5780 -0.9004 0.0394 0.3741 60.6415 0.6351 0.7099 0.3349 -0.5066 0.7668 0.7516 0.0242 0.1987 0.8237 0.6351 62.8108 1.3507 1.3002 0.3463 -0.0422 3 -00946 48 0.0.347772 0.7099 1.3507 63.3270 0.1244 0.5039 -2.4329 0.1705 -1.2527 -0.1495 0.7557 0.3349 1.3002 0.1244 60.3069

我想通过使用 jama 库将矩阵写入 java 中的文件。但是，只生成了一个空文件。我正在使用下面的代码。有什么问题？

我正在实现度量学习算法，我想减少数据的维度。我正在使用 Java 和库 (Jama) 来实现，并使用 PCA 来减少维度。当我使用 Jama 库中的 eig 来获取特征值时，即使是 300 x 20 大小的矩阵也需要很多时间。我需要获取特征值和特征向量的 java 实现。供您参考，我还尝试了其他库，例如具有 PCA 的 Jblas，但在特征值和特征向量方面的性能确实很差。

我有一个用户事件数据，其中包含用户参加的事件的用户评分。我正在尝试将 Jama 库用于需要二维数组作为输入的相似度矩阵（具有事件评分的用户事件矩阵）

我有三列的数据：用户ID，事件ID，评级

但用户数量约为 200 万，事件数约为 100 万。那么利用 jama 库计算相似度矩阵的有效方法应该是什么。因为数字很大并且不适合我系统的内存。我正在使用 JAVA 来解决这个问题。

谢谢阿曼

我试图找到矩阵的逆。当它是奇异的时，我需要计算伪逆。我在 JAMA 文档中找不到类似伪逆的东西。我怎么能计算它？

我正在尝试计算矩阵的模逆，这怎么能在 Java 中完成？

到目前为止，我已经找到了 Jama 包 - http://math.nist.gov/javanumerics/jama/ 可以用于逆和矩阵乘法，但是我很难找到矩阵的 mouldar 逆.. .

这正是我想在这里实现的目标：http ://planetcalc.com/3324/

有任何想法吗？

谢谢

试图实现这个例子，但我在标题http://math.nist.gov/javanumerics/jama/doc/Jama/Matrix.html中得到了错误

我只是想知道如何为它编写导入。我没有在网上找到任何东西。谢谢

我不确定我是否应该在堆栈溢出或数学上发布此问题，但我认为这个问题适合算法研究，所以我在这里。

我编写了一个算法来计算给定矩阵的伪逆。我使用定义 A ⁺ = (A ^* A) ^-1 A ^*的天真方式完成了此操作。

我对此进行了更多阅读，发现一种更稳定和更有效地计算它的常用方法是首先计算 A 的 SVD。（我使用 Jama 包执行此操作）

然而。事实证明，朴素方法在小矩阵上更快（及时）。

一个快速的问题。我相信 SVD 方法比简单方法具有更好的复杂性。但是你能给我一个关于矩阵必须有多大的想法，这样 SVD 方法实际上在时间上更快吗？

如何在 Java 中导入 JAMA？当我尝试导入它时，我不断收到错误。