torch.pca_lowrank¶
- torch.pca_lowrank(A, q=None, center=True, niter=2)[source]¶
对低秩矩阵、此类矩阵的批处理或稀疏矩阵执行线性主成分分析 (PCA)。
此函数返回一个名为元组
(U, S, V)
,它是居中矩阵 奇异值分解的近似最优解,使得注意
(U, S, V)
与 PCA 的关系如下是一个数据矩阵,具有
m
个样本和n
个特征的列表示主方向
包含 的特征值,当提供
center=True
时,它是A
的协方差。matmul(A, V[:, :k])
将数据投影到前 k 个主成分上
注意
与标准 SVD 不同,返回矩阵的大小取决于指定的秩和 q 值,如下所示
是 m x q 矩阵
是一个 q 维向量
是一个 n x q 矩阵
注意
为了获得可重复的结果,请重置伪随机数生成器的种子
- 参数
- 返回类型
参考文献
- Nathan Halko, Per-Gunnar Martinsson, and Joel Tropp, Finding structure with randomness: probabilistic algorithms for constructing approximate matrix decompositions, arXiv:0909.4061 [math.NA; math.PR], 2009 (available at `arXiv <http://arxiv.org/abs/0909.4061>`_).