理想的SVD实现？

Question

当然，理想是主观的。我正在做一些研究，我需要为矩形矩阵实现SVD计算的生产级代码。所以这是我发现的，GraphLab和Mahout使用Lanczos算法来实现SVD，而我发现其他方法包括QR分解和Jacobi方法。我的问题是计算SVD最优选的方法是什么？为什么？

Answer 1

我发现this paper似乎很有帮助。

在

部分

45.2奇异值分解的算法

正在讨论不同的算法。

算法的不同之处在于是否涉及迭代，以及需要什么样的输出，比如你只想要特征向量，事情会有所不同。

Answer 2

您可以尝试使用C ++的Eigen库，它具有非常好的性能，如果您是C ++程序员，并不难使用：

http://eigen.tuxfamily.org/dox/classEigen_1_1JacobiSVD.html

Graphlab使用Eigen进行线性代数，不确定它们是否将它用于SVD。