rankMatrix
位于 Matrix
包(package)。 说明
计算‘the’矩阵秩,理论上是一个定义明确的函数(*),但在实践中有些模糊。我们提供了几种方法,默认对应Matlab的定义。
(*) 矩阵 、 的秩是线性独立列(或行)的最大数量;因此 。
用法
rankMatrix(x, tol = NULL,
method = c("tolNorm2", "qr.R", "qrLINPACK", "qr",
"useGrad", "maybeGrad"),
sval = svd(x, 0, 0)$d, warn.t = TRUE, warn.qr = TRUE)
qr2rankMatrix(qr, tol = NULL, isBqr = is.qr(qr), do.warn = TRUE)
参数
x |
比如说,维度为 的数字矩阵。 |
tol |
非负数,指定用于测试 “practically zero” 的(相对,“scalefree”)容差,具体含义取决于 |
method |
指定排名计算方法的字符串,可以缩写为:
|
sval |
|
warn.t |
逻辑指示 |
warn.qr |
在 |
qr |
|
isBqr |
|
do.warn |
逻辑性;如果为 true,则警告 |
细节
qr2rankMatrix()
通常从 rankMatrix()
调用 "qr"
* method
,但可以直接使用 - 如果 qr
分解可用,则效率更高。
值
如果x
是所有0
(或零维度)的矩阵,则秩为零;否则,通常是 1:min(dim(x))
中的正整数,其属性详细说明所使用的方法。
在极少数情况下,稀疏NaN
条目)结束。然后,发出警告信号(除非 warn.qr
/do.warn
不为 true)并返回 NA
(具体来说, NA_integer_
)。 分解“fails”在 、 (见上文)的对角线条目中以非有限(通常是
注意
对于大型稀疏矩阵 x
,除非您可以自己指定 sval
,否则当前 method = "qr"
可能是唯一可行的矩阵,因为其他矩阵需要 sval
并调用 svd()
,当前将 x
强制为 denseMatrix
这可能非常慢或不可能,具体取决于矩阵维度。
请注意,在稀疏 x
、 method = "qr"
的情况下,计算所有非严格零对角线条目 ,直至包括 Matrix
版本 1.1-0,即该方法隐式使用 tol = 0
,请参阅还有下面的set.seed(42)
示例。
例子
rankMatrix(cbind(1, 0, 1:3)) # 2
(meths <- eval(formals(rankMatrix)$method))
## a "border" case:
H12 <- Hilbert(12)
rankMatrix(H12, tol = 1e-20) # 12; but 11 with default method & tol.
sapply(meths, function(.m.) rankMatrix(H12, method = .m.))
## tolNorm2 qr.R qrLINPACK qr useGrad maybeGrad
## 11 11 12 12 11 11
## The meaning of 'tol' for method="qrLINPACK" and *dense* x is not entirely "scale free"
rMQL <- function(ex, M) rankMatrix(M, method="qrLINPACK",tol = 10^-ex)
rMQR <- function(ex, M) rankMatrix(M, method="qr.R", tol = 10^-ex)
sapply(5:15, rMQL, M = H12) # result is platform dependent
## 7 7 8 10 10 11 11 11 12 12 12 {x86_64}
sapply(5:15, rMQL, M = 1000 * H12) # not identical unfortunately
## 7 7 8 10 11 11 12 12 12 12 12
sapply(5:15, rMQR, M = H12)
## 5 6 7 8 8 9 9 10 10 11 11
sapply(5:15, rMQR, M = 1000 * H12) # the *same*
## "sparse" case:
M15 <- kronecker(diag(x=c(100,1,10)), Hilbert(5))
sapply(meths, function(.m.) rankMatrix(M15, method = .m.))
#--> all 15, but 'useGrad' has 14.
sapply(meths, function(.m.) rankMatrix(M15, method = .m., tol = 1e-7)) # all 14
## "large" sparse
n <- 250000; p <- 33; nnz <- 10000
L <- sparseMatrix(i = sample.int(n, nnz, replace=TRUE),
j = sample.int(p, nnz, replace=TRUE),
x = rnorm(nnz))
(st1 <- system.time(r1 <- rankMatrix(L))) # warning+ ~1.5 sec (2013)
(st2 <- system.time(r2 <- rankMatrix(L, method = "qr"))) # considerably faster!
r1[[1]] == print(r2[[1]]) ## --> ( 33 TRUE )
## another sparse-"qr" one, which ``failed'' till 2013-11-23:
set.seed(42)
f1 <- factor(sample(50, 1000, replace=TRUE))
f2 <- factor(sample(50, 1000, replace=TRUE))
f3 <- factor(sample(50, 1000, replace=TRUE))
D <- t(do.call(rbind, lapply(list(f1,f2,f3), as, 'sparseMatrix')))
dim(D); nnzero(D) ## 1000 x 150 // 3000 non-zeros (= 2%)
stopifnot(rankMatrix(D, method='qr') == 148,
rankMatrix(crossprod(D),method='qr') == 148)
## zero matrix has rank 0 :
stopifnot(sapply(meths, function(.m.)
rankMatrix(matrix(0, 2, 2), method = .m.)) == 0)
作者
Martin Maechler; for the "*Grad" methods building on suggestions by Ravi Varadhan.
也可以看看
相关用法
- R replValue-class 虚拟类“replValue” - 子分配值的简单类
- R rep2abI 将向量复制到“abIndex”结果中
- R rleDiff-class rle(diff(.)) 存储向量的“rleDiff”类
- R rcond-methods 估计条件数的倒数
- R rsparsematrix 随机稀疏矩阵
- R dtrMatrix-class 三角形稠密数值矩阵
- R facmul-methods 乘以矩阵因式分解的因数
- R solve-methods 函数求解矩阵包中的方法
- R updown-methods 更新和降级稀疏 Cholesky 分解
- R bdiag 构建分块对角矩阵
- R printSpMatrix 灵活格式化和打印稀疏矩阵
- R symmetricMatrix-class 包矩阵中对称矩阵的虚拟类
- R all.equal-methods 函数 all.equal() 的矩阵封装方法
- R boolmatmult-methods 布尔算术矩阵乘积:%&% 和方法
- R ltrMatrix-class 三角密集逻辑矩阵
- R Hilbert 生成希尔伯特矩阵
- R nearPD 最近正定矩阵
- R lsyMatrix-class 对称密集逻辑矩阵
- R CHMfactor-class 稀疏 Cholesky 分解
- R symmpart-methods 矩阵的对称部分和偏斜(对称)部分
- R sparseMatrix 从非零项构建一般稀疏矩阵
- R dgCMatrix-class 压缩、稀疏、面向列的数值矩阵
- R Cholesky-methods Cholesky 分解方法
- R Subassign-methods “[<-”的方法 - 分配给“矩阵”的子集
- R ldenseMatrix-class 密集逻辑矩阵的虚拟类“ldenseMatrix”
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Rank of a Matrix。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。