潜在 Space 和 SVD

Question

我有一个相当大的数据集，我正在为其计算 SVD 然后我想取回矩阵。我的矩阵形状是：(33388, 104) 有很多列和行。我想要80%的能量，也就是k=51.

当我转到 return 我在 return 中的矩阵时，出现以下错误：

operands could not be broadcast together with shapes (33388,51) (51,51)

img is a numpy array of an image file k is the number of singular vectors to use

如何修正我的函数来修复这个错误？

def rank_k_approx(img, k):
    """Return a rank-k approximation

    img: an image (as a 2D grayscale array)
    k: number of singular vectors used"""
    u, sigma, vt = np.linalg.svd(img)
    energy = np.linalg.norm(sigma)**2
    approx_energy = np.linalg.norm(sigma[:k])**2
    percentage = approx_energy*100/energy
    print ("Energy retained = %4.2f"%percentage)
    return u[:,:k]*np.diag(sigma[:k])*vt[:k,:]

Answer 1

np.linalg.svd 的输出是 ndarray 个对象，运算符 * 是逐元素乘法。您想要计算矩阵乘积，为此您需要使用 np.dot() 或 @ 运算符。

乘法应该是：

u[:, :k].dot(np.diag(sigma[:k])).dot(vt[:k])

潜在 Space 和 SVD

Latent Space and SVD

python

numpy

svd