Question

我有一个相当大的数据集，我正在计算SVD然后我想找回矩阵。我的矩阵形状是：（33388,104），这是很多列和行。我想要80％的能量，即k=51。

当我在返回时返回我的矩阵时，我收到以下错误：

operands could not be broadcast together with shapes (33388,51) (51,51)

img is a numpy array of an image file k is the number of singular vectors to use

如何更正我的功能以修复此错误？

def rank_k_approx(img, k):
    """Return a rank-k approximation

    img: an image (as a 2D grayscale array)
    k: number of singular vectors used"""
    u, sigma, vt = np.linalg.svd(img)
    energy = np.linalg.norm(sigma)**2
    approx_energy = np.linalg.norm(sigma[:k])**2
    percentage = approx_energy*100/energy
    print ("Energy retained = %4.2f"%percentage)
    return u[:,:k]*np.diag(sigma[:k])*vt[:k,:]

Answer 1

np.linalg.svd的输出是ndarray个对象，运算符*是元素乘法。您想要计算矩阵乘积，需要使用np.dot()或@运算符。

乘法应该是：

u[:, :k].dot(np.diag(sigma[:k])).dot(vt[:k])

潜在空间和SVD

1 个答案: