Python SciPy interpolative.svd用法及代碼示例

本文簡要介紹 python 語言中 scipy.linalg.interpolative.svd 的用法。

用法:

scipy.linalg.interpolative.svd(A, eps_or_k, rand=True)#

通過 ID 計算矩陣的 SVD。

矩陣 A 的 SVD 是一個因式分解：

A = numpy.dot(U, numpy.dot(numpy.diag(S), V.conj().T))

其中 U 和 V 具有正交列，並且 S 是非負數。

SVD 可以計算為任何相對精度或等級(取決於eps_or_k 的值)。

另請參見 interp_decomp 和 id_to_svd 。

參數 ：：

A： numpy.ndarray 或 scipy.sparse.linalg.LinearOperator

要因式分解的矩陣，給出為numpy.ndarray或一個scipy.sparse.linalg.LinearOperator與馬特韋克和rmatvec方法(應用矩陣及其伴隨矩陣)。

eps_or_k： 浮點數或int

近似的相對誤差(如果eps_or_k < 1)或等級(如果eps_or_k >= 1)。

rand： 布爾型，可選

是否使用隨機抽樣如果A是類型numpy.ndarray(如果出現以下情況，則始終使用隨機算法A是類型scipy.sparse.linalg.LinearOperator)。

返回 ：：

U： numpy.ndarray

左奇異向量。

S： numpy.ndarray

奇異值。

V： numpy.ndarray

右奇異向量。