在尝试对一个200000*93的矩阵进行奇异值分解时遇到了memory error。通过查阅文档发现，当设置参数full_matrices为False时，U和VT的形状会调整为(a, r)和(r, b)，从而避免了内存错误。"
107138910,9116074,前端模块化系统演进及ES6模块使用,"['javascript', 'es6', '模块化', '前端开发']
U,Sigma,VT = la.svd(dataMat,False)
我是200000*93的矩阵分解，报错memory error，是由于U和VT过大
查看文档：
numpy.linalg.
svd
(
a,
full_matrices=True,
compute_uv=True
)
[source]
Singular Value Decomposition.
When a is a 2D array, it is factorized as u @ np.diag(s) @ vh = (u * s) @ vh, where u and vh are 2D unitary arrays and s is a 1D array of a‘s singular values
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
