Eigen::svd和 np.linalg.svd的不同之处

AIVoyager

已于 2024-04-29 19:10:25 修改

阅读量1k

点赞数 19

CC 4.0 BY-SA版权

分类专栏： c++ python 文章标签：算法 python c++ numpy svd

于 2024-04-26 13:02:42 首次发布

本文链接：https://blog.youkuaiyun.com/qq_35215756/article/details/138214635

本文详细介绍了使用Python的numpy和Eigen库进行SVD（奇异值分解）的示例，以及PCA主成分分析的应用。通过比较两个库处理相同矩阵时得到的U、Σ和V的不同，探讨了它们在结果上的差异以及可能的原因。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python

import numpy as np
data=np.array([
                     [0.99337785, 0.08483806, 0.07747866, -92.91055059],
                     [-0.07889607, 0.99392169, -0.07677948, -42.2437898],
                     [-0.08352154, 0.07015827, 0.99403318, 396.22910711],
                     [0, 0, 0, 1]])
U, S, Vt = np.linalg.svd(data)
k = 4
U_reduced = U[:, :k]
S_reduced = np.diag(S[:k