本征 3.4 .reshaped()
Eigen 3.4 .reshaped()
我想将特征向量重塑为矩阵，然后取 .colwise().sum()。
Eigen 教程中解释的重塑命令未编译 (https://eigen.tuxfamily.org/dox-devel/group__TutorialReshape.html)
因此，我的问题与 Eigen 版本编号（Eigen 3.4 是否已发布？）以及 reshape 命令本身（我的编译错误显示 "Eigen::VectorXd has no member named 'reshaped'"）以及关于以下内容的有效替代方案的建议一样多：
VectorXd phi = X * beta;
ArrayXd sumPhi = phi.reshaped(4,12).colwise().sum();
Eigen 3.4 尚未发布（截至 2019 年 5 月），我建议尝试开发分支。
由于 phi 是一个实际对象（而不是表达式），您可以使用 Map:
实现相同的目的
ArrayXd sumPhi = MatrixXd::Map(phi.data(),4,12).colwise().sum();
这应该适用于任何版本的 Eigen（至少从 3.0 开始），但不太安全，因为它不能确保元素数量实际匹配（如果 phi 少于 4*12 元素，这可能会访问无效内存）。
我想将特征向量重塑为矩阵，然后取 .colwise().sum()。
Eigen 教程中解释的重塑命令未编译 (https://eigen.tuxfamily.org/dox-devel/group__TutorialReshape.html)
因此，我的问题与 Eigen 版本编号（Eigen 3.4 是否已发布？）以及 reshape 命令本身（我的编译错误显示 "Eigen::VectorXd has no member named 'reshaped'"）以及关于以下内容的有效替代方案的建议一样多：
VectorXd phi = X * beta;
ArrayXd sumPhi = phi.reshaped(4,12).colwise().sum();
Eigen 3.4 尚未发布（截至 2019 年 5 月），我建议尝试开发分支。
由于 phi 是一个实际对象（而不是表达式），您可以使用 Map:
ArrayXd sumPhi = MatrixXd::Map(phi.data(),4,12).colwise().sum();
这应该适用于任何版本的 Eigen（至少从 3.0 开始），但不太安全，因为它不能确保元素数量实际匹配（如果 phi 少于 4*12 元素，这可能会访问无效内存）。