svd

8calore

2risposta

Compute matrice di proiezione/cappello via fattorizzazione QR, SVD (e Cholesky?)

sto cercando di calcolare in R una matrice di proiezione P di un arbitrario N x J matrice S: P = S (S'S)^-1 S' ho state cercando di eseguire questo con la seguente funzione: P <- function(S){ o

r regression svd projection-matrix qr-decomposition 2012-01-30

---

6calore

1risposta

Come interpretare i risultati della decomposizione dei valori singolari (Python 3)?

Sto cercando di imparare come ridurre la dimensionalità nei set di dati. Mi sono imbattuto in alcuni tutorial su Principle Component Analysis e Singular Value Decomposition. Comprendo che prende la di

python machine-learning linear-algebra pca svd 2016-06-10

---

5calore

2risposta

SVD in una matrice termine documento non danno me valori che voglio

Sto cercando di replicare un esempio, in un articolo intitolato "Introduzione alla LSA": An introduction to LSA Nell'esempio che hanno il seguente termine-documento matrix: e poi si applicano SVD e ot

r matrix text-mining svd lsa 2015-10-13

---

6calore

2risposta

Implementazione parallela per più SVD utilizzando CUDA

Sono nuovo alla programmazione parallela utilizzando GPU quindi mi scuso se la domanda è ampia o vaga. Sono consapevole che esiste una funzione SVD parallela nella libreria CULA, ma quale dovrebbe ess

cuda parallel-processing gpu svd 2013-07-01

---

16calore

3risposta

Ottieni U, Sigma, V * matrice da SVD troncato in scikit-learn

Sto utilizzando SVD troncato dal pacchetto scikit-learn. Nella definizione di SVD, una matrice originale Un è approxmated come prodotto Un diagonale ≈ UΣV * dove U e V hanno colonne ortonormali e Σ è

python scipy scikit-learn sparse-matrix svd 2015-07-20

---

15calore

1risposta

Gli autovettori calcolati con numpy eigh e svd non corrispondono a

Considera la decomposizione del valore singolare M = USV *. Quindi la scomposizione dell'autovalore di M * M fornisce M * M = V (S * S) V * = VS * U * USV *. Vorrei verificare questa uguaglianza con N

python numpy svd eigenvector 2015-01-05

---

6calore

1risposta

Come si decide il numero di dimensioni per l'analisi semantica latente?

Ultimamente sto lavorando a un'analisi semantica latente. L'ho implementato in Java usando il pacchetto Jama. Ecco il codice: Matrix vtranspose ; a = new Matrix(termdoc); termdoc = a.getArra

java theory svd lsa latent-semantic-indexing 2012-03-06

---

6calore

1risposta

Esecuzione di PCA su una matrice sparsa di grandi dimensioni utilizzando sklearn

Sto tentando di applicare PCA su una matrice sparsa enorme, nel seguente collegamento si dice che la PPA randomizzata di sklearn può gestire la matrice sparsa del formato sparse scipy. Apply PCA on ve

python scikit-learn sparse-matrix pca svd 2015-11-09

---

7calore

1risposta

Modo corretto per estrarre la traduzione da Essential Matrix tramite SVD

Ho calibrato la mia fotocamera e trovato i parametri intrinseci (K). Inoltre ho calcolato la Matrice Fondamentale (F). Ora E = K_T * F * K. Fin qui tutto bene. Ora passiamo la matrice essenziale (E) a

opencv emgucv svd opencvsharp 2013-04-11

---

6calore

2risposta

SVD randomizzato per LSA \ LSI su ambiente Windows

Sto lavorando a un progetto che include l'uso dell'analisi semantica latente (LSA). Ciò richiede l'utilizzo della decompressione del valore singolare (SVD), talvolta su set di dati di grandi dimension

c# svd lsa 2013-06-09

---