1回答
我有一个循环，在这个循环中我正在计算相当大的非稀疏矩阵的几个伪逆(例如，20000x800)。import time
import numb
浏览 83提问于2021-03-11得票数 1
回答已采纳
是否有可能通过使用比浮子更精确的东西来提高机器的数值精度？
而且，我真的很关心--不管我从python中使用什么函数--它提供了与伪逆最接近的答案(希望它的数值稳定，这样我就可以实际使用它)。我知道pinv肯定会返回伪逆，所以我想如果我的主要目标是“确保我使用伪逆”，那么使用np.pinv是个好主意。我刚才的另一个随机想法是，也
浏览 3提问于2017-10-22得票数 17
我正在写一个需要使用pinv函数的MEX代码。我正在尝试找到一种方法，使用mexCallMATLAB以最有效的方式将double类型的数组传递给pinv。G存储25这个2×2矩阵的不同值。我应该注意到，这些2×2矩阵没有良好的条件，并且它们的元素中可能包含全零。如何使用pinv函数计算G元素中的伪逆
浏览 0提问于2014-11-06得票数 2
如果我们想通过以下方法寻找线性回归模型的最优参数θ：第一步是计算inv(X^T*X)。因此，numpy提供了和X=np.matrix([[1,2104,5,1,45],[1,1416,3,2,40],[1,1534,3,2,30],[1,852,2,1,36]])XTX=XT@X
pinv=np.linalg.
浏览 0提问于2018-03-19得票数 25
回答已采纳
1回答
加快马氏距离计算
、、
所讨论的数据集是MNIST。我有60000个长度为784的向量。问题
就像你可以想象到的，上面的速度非常慢。计算伪逆是一个最慢
浏览 1提问于2019-03-11得票数 1
回答已采纳
1回答
我发现有两个版本的pinv()函数，它在Scipy和numpy中计算矩阵的伪逆，文档可以在以下位置查看：
我想知道为什么numpy和scipy在不同的实现下都有一个pinv
浏览 0提问于2012-11-07得票数 13
回答已采纳
1回答
我正在阅读一本书，书名为“与Scikit一起动手机器学习-学习，Keras和Tensorflow”，作者解释了矩阵的伪逆(Moore-Penrose逆)是如何在线性回归的背景下计算的。我在这里逐字引用：
伪逆本身是用一种标准的矩阵分解技术(奇异值分解)来计算的，它可以将训练集矩阵X分解成三个矩阵U Σ VT的矩阵乘法(见numpy.linalg.svd())。<
浏览 4提问于2020-02-01得票数 1
回答已采纳
1回答
如何求大稀疏矩阵的伪逆？
、、、、
它最初以numpy.ndarray的形式存储，矩阵的大小约为3.5GB。我已经尝试过使用numpy.linalg.pinv来转换这个矩阵，但是它崩溃了jupyter笔记本内核。将此numpy.ndarray转换为scipy.sparse.csr_matrix (稀疏矩阵格式)是可行的，但我不知道有任何函数可以计算csr_matrix的伪逆。
如何求大型稀疏矩阵的伪逆？
浏览 4提问于2022-09-06得票数 0
1回答
我运行了下面的代码来计算矩阵的伪逆，但是不管我是否打开GPU，似乎都没有什么区别。mat = theano.shared(numpy.eye(300, dtype="float32")+1)fn()
然后我查看了Theano的theano.tensor.nlinalg.MatrixPinv源代码，发现它只是在下面的代码中调用Numpy
浏览 2提问于2016-01-26得票数 2
回答已采纳
1回答
我正在用Armadillo C++编写一个程序(4.400.1)
我有一个矩阵，它必须是稀疏和复杂的，我想要计算这种矩阵的逆。由于它是稀疏的，它可能是伪逆，但我可以保证矩阵有完全对角。在Armadillo的API文档中，它提到了计算任何矩阵的逆的方法.i()，但是sp_cx_mat成员不包含这样的方法，而且in
浏览 3提问于2014-11-01得票数 3
回答已采纳
1回答
他给出了一个解析地求线性回归解的公式：
他没有解释，所以我搜索了它，发现在列是线性独立的情况下，(X^T * X)^{-1} * X^T实际上是一个伪逆公式我不明白的是，为什么没有人提到这个冗长的公式只是带有伪逆的θ = y * X^{-1}。好的，安德鲁·吴的课程是给初学者的，他不想把一堆数学扔到学生身上。但是八度，也
浏览 0提问于2020-08-01得票数 0
回答已采纳
1回答
我应该如何使用渐近来计算矩阵的伪逆(而不是使用numpy，因为矩阵有符号常量，并且我希望逆矩阵也是符号的)。正常的inv()不适用于渐近中的非方阵。例如，如果M = Matrix(2,3, [1,2,3,4,5,6]), pinv(M)应该给出-0.1111 0.1111
0.7222 -0.2222
浏览 2提问于2013-03-15得票数 5
回答已采纳
2回答
它调用MATLAB pinv函数计算穆尔彭罗斯伪逆。我把这个函数命名为my_pinv。my_pinv获取数组并返回其伪逆，与pinv完全类似。A = magic(8); A = A(:,1:6)x = my_pinv(A)*b
但是，在mex文件中，我必须复制输入数组的值才能使用mexCallMATLAB以下是my_pinv.
浏览 7提问于2014-10-28得票数 3
回答已采纳
1回答
我有一个矩阵，它没有通过我正在计算的朴素贝叶斯分类器的奇异测试。我正在处理等式中的ln(det(sigma))部分。:else:当协方差矩阵是奇异的时，我必须找到伪行列式。
浏览 2提问于2016-03-21得票数 5
我正在使用Numpy for Extreme Learning Machines上的二维数组。我的一个数组H是随机的，我想计算它的伪逆。如果我使用scipy.linalg.pinv2，一切运行起来都很流畅。但是，如果我使用scipy.linalg.pinv，有时(30-40%的情况下)会出现问题。我之所以使用pinv2是因为我读到(这里： ) pinv2在“高”和“宽”数组上执行得
浏览 1提问于2015-01-05得票数 2
1回答
伪逆矩阵计算
、、
我试着重复从中计算伪逆矩阵的例子。x = np.array([[-11, 2],[2, 3],[2, -1]]) # computing the inverse using pinva = linalg.pinv(x)我的计算结果与讲座的结果不同。我的结果是：
[[-0.07962213 0.05533
浏览 0提问于2017-10-24得票数 2
回答已采纳
1回答
线性系统A @ x = b可以通过(至少)两种方法来求解：由于性能和数值方面的原因，后者通常是首选的。对于伪逆的solve有类似的pinv吗？换句话说，我正在寻找一个函数psolve，比如psolve(A, b) == np.linalg.pinv(A) @ b。
浏览 6提问于2022-08-07得票数 2
回答已采纳
我一直在处理Python中A= Bx形式的线性代数问题，并将其与MATLAB和Mathematica中的同事代码进行了比较。当B是一个奇异矩阵时，我们注意到Python和其他的区别。当使用numpy.linalg.solve()时，我抛出一个奇异矩阵错误，因此我实现了.pinv() ( Moore Penrose伪逆)。我知道存储逆在计算上效率很低，首先我很好奇是否有更好的
浏览 1提问于2016-10-24得票数 2
回答已采纳
对于这个实验，我需要使用均值0和标准差10从正态分布中抽取150个x值，然后从x值中使用特征{1，x，x^2}构建设计矩阵。#Linear Regression Labimport math
data = np.random.normal(0, 10, 150
浏览 3提问于2020-03-20得票数 0
1回答
我希望用NumPy构造一个1，2，…，n的随机置换及其逆。在我的应用程序中，n可以在1亿左右，所以我正在寻找一个在最短时间内构造置换及其逆的解。我试过的是：
与方法1相同，但使用该解决方案提供了我发现这个解可以使pinv</e
浏览 4提问于2022-08-24得票数 1
回答已采纳
云服务器
ICP备案
腾讯会议
实时音视频
云直播
腾讯云开发者
