Question

代码：

import numpy
from matplotlib.mlab import PCA
file_name = "store1_pca_matrix.txt"
ori_data = numpy.loadtxt(file_name,dtype='float', comments='#', delimiter=None,                 converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)
result = PCA(ori_data)

这是我的代码。虽然我的输入矩阵没有nan和inf，但我确实得到了下面所述的错误。

raise LinAlgError("SVD did not converge") LinAlgError: SVD did not converge

问题是什么？

Answer 1

当数据中存在inf或nan值时，可能会发生这种情况。

使用此选项删除nan值：

ori_data.dropna(inplace=True)

Answer 2

我对这个问题没有答案，但我有没有的复制方案 nans和infs。不幸的是，datataset非常大（压缩96MB）。

import numpy as np
from StringIO import StringIO
from scipy import linalg
import urllib2
import gzip

url = 'http://physics.muni.cz/~vazny/gauss/X.gz'
X = np.loadtxt(gzip.GzipFile(fileobj=StringIO(urllib2.urlopen(url).read())), delimiter=',')
linalg.svd(X, full_matrices=False)

升起：

LinAlgError: SVD did not converge

在：

>>> np.__version__
'1.8.1'
>>> import scipy
>>> scipy.__version__
'0.10.1'

但未提出异常：

>>> np.__version__
'1.8.2'
>>> import scipy
>>> scipy.__version__
'0.14.0'

Answer 3

我知道这篇文章很老，但万一有人遇到同样的问题。 @jseabold是正确的，当他说问题是nan或inf时，当他说数据没有nan或inf时，op可能是正确的。但是，如果ori_data中的一列始终具有相同的值，则数据将获得Nans，因为mlab中的PCA实现通过执行

来规范化输入数据

ori_data = (ori_data - mean(ori_data)) / std(ori_data).

解决方案是：

result = PCA(ori_data, standardize=False)

这样，只减去平均值而不除以标准差。

Answer 4

当我不小心将图像数据集的大小调整为（0，64，3）时，这发生在我身上。尝试检查数据集的形状，以查看维度之一是否为0。

Answer 5

这可能是由于输入数据矩阵的特殊性质（您正在向PCA提供）

Answer 6

我正在使用numpy 1.11.0。如果矩阵的1个以上的eigvalues等于0，那么“SVD不会收敛”就会被提升。

Answer 7

即使您的数据正确，也可能因为内存不足而发生。就我而言，从32位机器转移到具有更大内存的64位机器解决了这个问题。

Answer 8

在@ c-chavez答案之后，对我有用的是先将inf和-inf替换为nan，然后删除nan。例如：

data = data.replace(np.inf, np.nan).replace(-np.inf, np.nan).dropna()

Answer 9

如果没有inf或NaN值，则可能是内存问题。请尝试使用具有更高RAM的计算机。

提升LinAlgError（“SVD没有收敛”）LinAlgError：SVD没有收敛于matplotlib pca确定

9 个答案: