问题标签 [matrix-decomposition]

我将如何编写一个 R 函数，它采用响应 vec y 和协变量矩阵 X 并输出系数 β 的最大似然估计向量，其中 μ = Xβ 和 E[Y] = μ，其中 Y 是指数分布的随机向量？

我可以使用 qr() 和相关函数，并且需要使用 QR 分解从第一原理对迭代重新加权最小二乘算法进行编程。

我的问题的总结是我正在尝试复制 Matlab 函数：

进入 Julia 使用：

结果是一个 200 x 7 的矩阵，本质上是生成 200 个随机返回的时间序列数据。

Matlab 有效，而 Julia 无效。

我的输入矩阵是：

使用 Distributions.jl，运行该行：

产生错误：

矩阵 sigma 是对称的，但只是半正定的：

Matlab 为这些测试产生相同的结果，但是 Matlab 能够生成 200x7 随机返回样本矩阵。

有人可以建议我可以做些什么来让它在 Julia 中工作吗？或者问题出在哪里？

谢谢。

我在 Math Stackexchange 中问过这个问题，但似乎没有得到足够的关注，所以我在这里问。https://math.stackexchange.com/questions/1729946/why-do-we-say-svd-can-handle-singular-matrx-when-doing-least-square-comparison?noredirect=1#comment3530971_1729946

我从一些教程中了解到，在解决最小二乘问题时，SVD 应该比 QR 分解更稳定，并且能够处理奇异矩阵。但是下面我用matlab写的例子似乎支持了相反的结论。我对 SVD 没有深入的了解，所以如果你能在 Math StackExchange 的旧帖子中查看我的问题并向我解释，我将不胜感激。

我使用具有大条件数（e+13）的矩阵。结果显示 SVD 得到的误差（0.8）比 QR（e-27）大得多

有几种方法可用于计算一般矩阵的 SVD。我很想知道可用于计算上三角矩阵的 SVD 的最佳方法。请建议我一种可以针对这种特殊情况进行优化的算法。

最近，我发现 Sklearn NMF 库弃用了它的 pg 求解器，现在使用它的 cd 求解器。使用 cd 求解器，我认为我不能应用稀疏约束。或者也许 L1 速率隐含地表示稀疏？有没有办法应用稀疏约束？

因为我想在 NMF 中使解空间更小，所以我想指定稀疏约束以提高性能并减小解空间大小。是否有指定稀疏约束的替代方法？

我正在编写一个计算矩阵的 LU 分解的程序，具有部分旋转，我希望该函数输出几个（2 或 3）个矩阵，而不需要多次运行程序来单独输出每个矩阵，这是浪费时间，因为它让我一次获得我想要的一切。有没有办法做到这一点？例如，这是我使用 Doolittle 算法的函数，用于不需要旋转的方阵。我希望我的输出同时成为矩阵 l 和 u，但我不知道这样做的方法。

在Eigen 的 Transform 类的文档中，有两个签名几乎相同的成员函数：

两个函数都有相同的文档（乘法顺序rotation * scaling在两个函数中）。

将变换的线性部分分解为乘积旋转 x 缩放，缩放不一定是正的。

如果任一指​​针为零，则跳过相应的计算。

这是在 SVD 模块中定义的。

它们之间有什么区别？

我正在对 tf-idf 输入执行 NMF 分解以执行主题分析。

这将返回W，一个由主题到术语分配的模型定义和H，一个文档到主题分配矩阵

到目前为止一切顺利，我可以使用 H 根据它们通过词频与主题列表的关联对文档进行分类，而主题列表又基于它们与词频的关联。

我想将主题术语关联保存到磁盘，以便稍后重新应用它们 - 并采用此处描述的方法 [ https://stackoverflow.com/questions/8955448]来存储 W 的稀疏矩阵表示.

所以我现在想做的是执行相同的过程，只修复主题定义矩阵 W。

在文档中，我似乎可以在调用参数中设置 W 类似的内容：

我已经尝试过了，但它似乎不起作用。

我已经通过使用不同大小的词汇表编译 W 矩阵进行了测试，然后将其输入到applyModel函数中，结果矩阵的形状应该由 W 模型定义（或者我应该说，这就是我想要的），但事实并非如此。

这个问题的简短版本是：如何保存从矩阵分解生成的主题模型，以便我可以使用它来分类与最初生成它的文档集不同的文档集？

换句话说，如果V = WH ，那么在给定V和W的情况下，我如何返回H？

我目前正在使用 MATLAB 对结构对称但值不对称的非常大、非常稀疏、复杂的矩阵进行矩阵除法（即 A(1,2)=3+4i 和 A(2,1)=3- 4i)。

我现在正在将我的代码转换为 Java。Suitesparse/LApack 中 A\b 的正确等效函数是什么？

我知道这是 MATLAB 为 A\b 运行的，但 chol 似乎仅限于实数对称矩阵。

我正在尝试使用该chol()函数在 R 中获取以下矩阵的下三角 Cholesky 分解。但是，它不断返回上三角分解，即使在查看文档之后，我似乎也找不到获得下三角分解的方法。以下是我正在使用的代码 -

我基本上需要找到Q这样的矩阵QQ' = X。谢谢你的帮助！