Question

我将SVD应用于Python中的大型稀疏矩阵。我正在使用scipy.sparse.linalg包中的svds。奇异值从升序排序，因此奇异向量对应于递增的奇异值排列。我想知道是否有一个选项以降序输出奇异值，以便奇异向量也对应于下降奇异值排列？以下是示例代码：

from scipy.sparse.linalg import svds
from scipy import sparse
X = numpy.random.uniform(size = [40, 20])
X = scipy.sparse.csc_matrix(X)
u, s, vt = svds(X, 10, which = 'LM')

我试过sparsesvd python库。与样本矩阵上的svds相比，sparsesvd的运行时间要长得多。所以我不考虑使用sparsesvd。 scipy中的常规svd包对稀疏矩阵不起作用。谢谢！

Answer 1

您现在正在寻找10个最大的奇异值，并按升序和左右奇异向量接收它们。如果您想要n个最小值，只需将which关键字更改为SM。

但是，我知道你会收到正确的奇异值，但顺序错误。函数中没有开关，但是可以使用以下规则重新排列向量和值： u的前n列和前n行的vt必须保持与奇异值。

所以，扭转奇异值：

n = len(s)
# reverse the n first columns of u
u[:,:n] = u[:, n-1::-1]
# reverse s
s = s[::-1]
# reverse the n first rows of vt
vt[:n, :] = vt[n-1::-1, :]

这很简单（在他的评论中也由pv给出），但诀窍不是重新排列完整的矩阵，只是相关的行/列。当然，任何排列都可以，所以一般来说（perm是排列向量）：

u[:,:n] = u[:, perm]
s = s[perm]
vt[:n, :] = vt[perm, :]

奇异值使用scipy.sparse.linalg中的svds按降序排序

1 个答案: