sklearn截断的svd不适用于复杂矩阵

Question

我正在尝试使用随机版本的sklearn TruncatedSVD（虽然我实际上调用了内部函数randomized_svd来获取实际的u，s，v矩阵）。虽然它对于真实矩阵工作正常，但对于复杂矩阵，即使奇异值完全正确，我也无法恢复原始矩阵：

>>> import numpy as np
>>> from sklearn.utils.extmath import randomized_svd
>>> N = 3
>>> a = np.random.rand(N, N)*(1 + 1j)
>>> u1, s1, v1 = np.linalg.svd(a)
>>> u2, s2, v2 = randomized_svd(a, n_components=N, n_iter=7)
>>> np.allclose(s1, s2)
True
>>> np.allclose(a, u1.dot(np.diag(s1)).dot(v1))
True
>>> np.allclose(a, u2.dot(np.diag(s2)).dot(v2))
False

知道可能出现什么问题吗？

Answer 1

事实证明，这是randomized_svd中的一个错误，特别是在此转换中：

B = safe_sparse_dot(Q.T, M)

通过

替换它

B = safe_sparse_dot(Q.T.conj(), M)

解决了这个问题。