1回答
我正在尝试使用R获取数据帧的奇异值。prcomp方法显示标准差，svd$d显示向量。显示的值是正确的。但是，我不确定在这种情况下，这些中的哪一个是奇异值？我浏览了一些文件，但它们没有指出正确的方向。
浏览 20提问于2019-01-14得票数 0
1回答
我有一个超过100,000个点的点云，我必须减少这个密集的点云。 我的点云是相对于z轴排序的。 我使用了简单的数学运算，例如，如果选定点的x=3，y=4，z=5。然后用这个标准(x - x(i) == 0.0001f )与剩余的点云进行比较，如果匹配，那么尝试另一个，直到点云的末端，并选择最新的一个，这样我就减少了点云。它给我提供了结果，但没有达到我的期望。那么有没有什么技术可以减少密集的<
浏览 26提问于2019-05-08得票数 0
3回答
即使这是合理的，那么为什么x$a中的所有对应条目都更改为NA呢？
我希望我不会在某个地方犯一个愚蠢的错误。我在Ubuntu14.04上使用R3.1.0。
浏览 4提问于2014-06-12得票数 0
回答已采纳
1回答
例如，对于手头的一个项目，特征的维度几乎是20,000 (p = 20,000)，并且每个特征都是一个0-1整数，以显示论文中是否存在特定的单词或二元语法(一篇论文是R^{p}$中的数据点$x \)。我知道特征之间的冗余度很大，所以降维是必要的。我有三个问题：
1)我有10,000个数据点(n = 10,000)，每个数据点有10,000个特征(p = 10,000)。进行降维的有效方法是什么？<e
浏览 13提问于2014-11-21得票数 6
1回答
我习惯于使用geomorph包中的plottangentspace。此函数已被gm.prcomp替换，但即使我使用函数摘要或summary.gm.prcomp，也无法提取特征值。如果我使用汇总，我有统计汇总(意思是...)，但我不能使用summary.gm.prcomp (R找不到函数)，我该如何提取我的特征值？海洋
浏览 14提问于2020-11-06得票数 0
1回答
在我的研究中，我使用了所谓的Lee卡特模型(死亡率模型)，在该模型中，您可以通过对矩阵(对数死亡率-特定于年龄的死亡率的平均模式)进行奇异值分解来获得模型参数。我正在尝试寻找奇异值分解的替代方法，我发现一个很好的选择可能是递归神经网络应用的自动编码。实际上，奇异值分解可以收敛到激活函数是线性函数的自动编码器。让我们使用<
浏览 3提问于2018-11-18得票数 0
2回答
随机化SVD奇异值
、、、
随机奇异值分解通过使用k+p随机投影提取前k个奇异值/向量来分解矩阵。这对于大型矩阵来说效果出奇的好。
我的问题与算法输出的奇异值有关。如果你做完整的奇异值分解，为什么这些值不等于前k个奇异值？下面我在R中有一个简单的实现，任何关于提高性能的建议都
浏览 3提问于2010-11-19得票数 9
回答已采纳
1回答
我的数据库中有大量数据。我必须创建一个大小为600.000x20.000的矩阵，但许多单元格将是空的。如何使用这种R编程语言或通过使用奇异值分解(SVD)方法来创建矩阵？我不知道在R语言中使用，而我会在Java编程中使用稀疏矩阵？我很困惑..。
浏览 0提问于2012-10-09得票数 0
问题：是否有一种简单的方法可以查看与每个奇异值相关的最重要的单词？
背景：I已经将Mahout的奇异值分解工具应用于一组新闻文章。这些文章来自两个主题: 1)体育；2)商业。我希望看到与每个奇异值相关的最重要的词。例如，对于一个单一的值，我可能期望最突出的词是体育术语:得分，球队，球员，教练。对于另一个单一的价
浏览 2提问于2013-08-25得票数 0
2回答
我有一个只有二进制(1或0)值的51KX8.5K数据帧。df_preference.p", "wb") 5 outfile.close()在此之前，我从另一个具有正常计数和大量零的数据帧创建了这个数据集。相同大小<e
浏览 0提问于2016-05-28得票数 4
1回答
我正在尝试估计两组点之间的3D旋转矩阵，我想通过计算协方差矩阵的奇异值分解( C )来实现，如下所示： U,S,V = svd(C)
R = V * U^T 在我的例子中，C是3x3。为此，我使用了Eigen的JacobiSVD模块，我最近才发现它以列为主的格式存储矩阵。所以这让我很困惑。那么，当使用Eigen时，我应该做：V*U.transpose()还是V.transpose()*U？ 另外，旋转是精确的
浏览 42提问于2019-03-11得票数 0
回答已采纳
1回答
我有一个有29个观测和15个变量的数据集。我试图执行k均值聚类分析，当我试图使用NbClust包确定集群数量时，我得到以下错误：> set.seed(1234)1: In pf(beale, pp, df2) : NaNs produced如果删除一个将观察值增加到41的变量(即，<em
浏览 5提问于2016-02-03得票数 0
1回答
假设我们有一些矩阵的SVD分解。我想勾勒出奇异值的累积和图，所以我这样做了。sigmas) / sum(sigmas)); title('Cumulative Percent of Total Sigmas');
我理解了这张图表，因为我们看到大约4条线不是线性的，但是在这4条线变成线性后，这是否意味着前四个奇异值对图表的影响最大?而其他的效果只是有
浏览 1提问于2014-04-17得票数 1
回答已采纳
1回答
我使用本征矩阵来得到本质矩阵，但是SVD没有给出预期的结果。因此，我组成了基本矩阵，并尝试我的奇异值分解码来恢复旋转和平移矩阵，发现奇异值分解码是错误的。我使用旋转和平移矩阵创建了基本矩阵 R = [[ 0.99965657, 0.02563432, -0.00544263],
[-0.02596087, 0.99704732, -0.07226806[-0.96115177, -0.013165
浏览 23提问于2021-10-29得票数 1
1回答
计算矩阵奇异值时的误差
、、、
我试图用2种方法计算矩阵的奇异值。我使用的矩阵是向日葵图像的红色通道。这是，如果你需要的话。第一种方法是使用SVD：import matplotlib.image as mpimgR = A[:,:,0]
U, S, V = np.linalg.svd(<e
浏览 7提问于2022-11-24得票数 0
回答已采纳
1回答
假设我们通过svd(A)计算了朱莉娅中矩阵A的，如何计算矩阵A在Julia上的秩r逼近，假设我们已经有了它的奇异值分解？
浏览 3提问于2022-08-12得票数 0
1回答
我知道np.linalg.svd(A)会返回矩阵A的奇异值分解。A=u * np.diag(s) * vA=v.T * np.diag(s) * v
在R中我们可以使用La.svd(A,nu=0)，但是Python语言中有没有什么函数可以加速对称矩阵的奇异值分解过程呢？
浏览 38提问于2016-08-11得票数 2
1回答
我在R中对一个名为data的数据帧执行SVD我使用以下命令绘制结果：我发现在图中，列号并不与数据帧中的列号相对应(无论我在SVD中使用哪个列子集，第一列总
浏览 2提问于2013-02-10得票数 1
回答已采纳
1回答
我刚刚对我的数据(M = U.D.V^t)做了一个奇异值分解，我有3个SVD矩阵U，D，Vt。这些矩阵按D的最高奇异值(即U的第一列和V的第一行对应于最高奇异值等)进行排序。我想根据一种特殊的排序准则交换这个顺序:我不感兴趣按绝对奇异值排序，而是将奇异值di乘以Vt中对应向量的第一个元素。示例
浏览 2提问于2016-02-26得票数 0
回答已采纳
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
