Публикации по теме 'matrix-decomposition'
Интуитивное понимание рандомизированного разложения по сингулярным числам
Реализация SVD на Python с рандомизированной линейной алгеброй
Матричная декомпозиция - мощный инструмент для решения многих задач машинного обучения, который широко используется для сжатия данных, уменьшения размерности и обучения разреженности, и это лишь некоторые из них. Во многих случаях для аппроксимации матрицы данных структурой низкого ранга оптимальным выбором часто считается разложение по сингулярным значениям (SVD). Однако точный и эффективный SVD для больших матриц данных..
Вопросы по теме 'matrix-decomposition'
NURBS: Где я могу найти эти две служебные функции линейной алгебры?
Я работаю над Книгой NURBS Пигла и Тиллера. Для алгоритма глобальной интерполяции они требуют, чтобы вы предоставили две утилиты для решения системы линейных уравнений:
LUDecomposition(A, q, sbw) разложить матрицу коэффициентов q x q с...
81 просмотров
schedule
19.02.2023
Rfast hd.eigen() возвращает NA, но base eigen() не возвращает
У меня проблемы с hd.eigen в Rfast . Он дает очень близкие к eigen результаты для большинства данных, но иногда hd.eign возвращает пустой $vector , NA или другие нежелательные результаты. Например:
> set.seed(123)
> bigm <-...
100 просмотров
schedule
29.08.2022
Как вычислить пропорции разложения дисперсии корреляционной матрицы в python?
Я пытаюсь определить коллинеарные переменные в моей входной матрице X. Я могу получить некоторые показатели, такие как оценки VIF, номер состояния, индексы состояния, но не могу получить пропорции разложения дисперсии. Может кто-нибудь помочь мне в...
329 просмотров
schedule
25.07.2022