问题标签 [svd]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
math - 什么是SVD（奇异值分解）
它实际上是如何降低噪音的……你能推荐一些不错的教程吗？
python - numpy 线性代数基本帮助
这是我需要做的-
我有这个等式-
轴 = y
其中 A 是一个有理 m*n 矩阵 (m<=n)，x 和 y 是正确大小的向量。我知道A和y，我不知道x等于什么。我也知道在 Ax 正好等于 y 的地方没有 x。我想找到向量 x' 使得 Ax' 尽可能接近 y。这意味着 (Ax' - y) 尽可能接近 (0,0,0,...0)。
我知道我需要使用 lstsq 函数： http ://www.scipy.org/doc/numpy_api_docs/numpy.linalg.linalg.html#lstsq
或 svd 函数： http ://www.scipy.org/doc/numpy_api_docs/numpy.linalg.linalg.html#svd
我根本看不懂文档。有人可以告诉我如何使用这些功能来解决我的问题。
非常感谢！！！
php - PHP中的奇异值分解（SVD）
我想在 PHP 中实现奇异值分解（SVD）。我知道有几个外部库可以为我做到这一点。但是我有两个关于 PHP 的问题：1) 你认为用 PHP 编写 SVD 是可能和/或合理的吗？2) 如果 (1) 是肯定的：你能帮我用 PHP 编码吗？
我已经自己编写了 SVD 的某些部分。这是我对操作过程进行评论的代码。此代码的某些部分并不完全正确。
如果你能帮助我，那就太好了。非常感谢您！
math - 降维
我正在尝试将高维数据集减少为二维。但是，我无法预先访问整个数据集。所以，我想生成一个函数，它接受一个 N 维向量并返回一个二维向量，这样如果我将它提供给在 N 维空间中接近的向量，则结果在二维空间中很接近空间。
我认为 SVD 是我需要的答案，但我无法让它发挥作用。
为简单起见，让 N=3 并假设我有 15 个数据点。如果我将所有数据预先存储在 15x3 矩阵 X 中，则：
做我想做的事。但是假设我得到一个新的数据点 A，一个 1x3 的向量。有没有办法使用 U、S 或 V 将 A 变成适当的 1x2 向量？
如果SVD是一个失败的原因，有人可以告诉我我应该做什么吗？
注意：这是 Matlab 代码，但我不在乎答案是 C、Java 还是数学。如果您看不懂 Matlab，请询问，我会澄清。
algorithm - Pagerank 与 SVD
Pagerank作用于一系列页面的节点图和由它们各自的向内和向外链接形成的有向边。因此，特定页面的排名大致是节点图中的局部诱导效应。
另一方面，SVD适用于整个值矩阵，并且没有方向性 - 站点 A 和站点 B 之间的链接只会在正确的矩阵元素上注册为 1。它是一个全球系统，所以排名是一个全球效应。
鉴于网络衍生矩阵的极端稀疏性，我认为 SVD 在这里表现不佳，因为它需要完整的数据集，并且需要大量内存。
真的吗？Pagerank 是否在很大程度上超过了 SVD，因为它是一种基于节点图的算法？Pagerank 如何从页面中推断出超出单词被提及次数的语义相关性？或者这是在 Pagerank 对页面进行排名之后执行的第二步？
java - java jama数组问题
我之前问过一个问题，但 duffymo 说不清楚，所以我将在这里再次发布。我正在使用 Jama api 进行 SVD 计算。我非常了解 jama 和 SVD。如果您的列多于行，则 Jama 不起作用。我有这种情况。我应该怎么办？？有什么帮助吗？我也不能转置矩阵，因为它会产生错误的结果。谢谢。
PS：我在jama的帮助下计算LSI。我喜欢列（文档）和行（术语）
c# - SVD算法实现
有谁知道非常大的矩阵在 C# 上的 SVD 的良好可扩展实现？
matrix - 对推文执行 SVD。内存问题
编辑：我的单词表的大小是我写下的 10-20 倍。我只是忘记了一个零。
EDIT2：我将研究 SVDLIBC 并了解如何将矩阵简化为密集版本，这样也可能有所帮助。
我生成了一个巨大的 csv 文件作为我的 pos 标记和词干提取的输出。它看起来像这样：
它包含每个人的字数。像这样我得到每个人的特征向量。
我想在这个野兽上运行 SVD，但似乎矩阵太大而无法保存在内存中以执行操作。我的问题是：
我是否应该通过删除列总和为例如 1 的单词来减小列大小，这意味着它们只被使用过一次。我是否因为这种尝试而过度偏向数据？
我尝试了 rapidminer 尝试，将 csv 加载到数据库中。然后像rapidminer建议的那样，按批次顺序读取它进行处理。但是Mysql不能在一个表中存储那么多列。如果我转置数据，然后在导入时重新转置它也需要很长时间......
--> 所以总的来说，我是在征求如何在这样的语料库上执行 svd 的建议。
python - 计算矩阵的零空间
我正在尝试求解一组 Ax = 0 形式的方程。A 是已知的 6x6 矩阵，我使用 SVD 编写了以下代码来获得在一定程度上起作用的向量 x。答案大致正确但不足以对我有用，如何提高计算的精度？将 eps 降低到 1.e-4 以下会导致函数失败。
python - python中的稀疏矩阵svd
有谁知道如何在 python 中对稀疏矩阵执行 svd 操作？scipy.sparse.linalg 中似乎没有提供这样的功能。