使用 NumPy
通过奇异值分解计算给定数组的因子
原文:https://www . geeksforgeeks . org/用-numpy/ 通过奇异值分解计算给定数组的因子
奇异值分解是指当 arr 为 2D 阵时，分解为 u 和 vh ，其中 u 和 vh 为 2D 酉阵， s 为 a 的奇异值的 1D 阵。numpy . linalg . SVD()函数用于通过奇异值分解计算数组的因子。
语法: numpy.linalg.svd(a，full _ matrices = True，compute_uv=True，hermitian=False)
参数:
- a (…，M，N)数组:A . ndim>= 2 的实数组或复数组。
- full _ matrix(bool，可选):如果为真(默认)，u 和 vh 分别具有形状(…，M，M)和(…，N，N)。否则，形状分别为(…，M，K)和(…，K，N)，其中 K = min(M，N)。
- compute_uv(bool，可选):除 s 外是否计算 u 和 vh，默认值为 True。
- hermitian(bool，可选):如果为 True，则假设 a 为 hermitian(如果实值，则为对称)，这为寻找奇异值提供了更有效的方法。其默认值为“假”。
下面是一些如何使用该函数的示例:
例 1 :
蟒蛇 3
# Import numpy library
import numpy as np
# Create a numpy array
arr = np.array([[0, 0, 0, 0, 1], [2, 0, 0, 1, 3],
[4, 0, 2, 0, 0], [3, 2, 0, 0, 1]],
dtype=np.float32)
print("Original array:")
print(arr)
# Compute the factor by Singular Value
# Decomposition
U, s, V = np.linalg.svd(arr, full_matrices=False)
# Print the result
print("\nFactor of the given array by Singular Value Decomposition:")
print("\nU=", U, "\n\ns=", s, "\n\nV=", V)
输出:
例 2 :
蟒蛇 3
# Import numpy library
import numpy as np
# Create a numpy array
arr = np.array([[8, 4, 0], [2, 5, 1],
[4, 0, 9]], dtype=np.float32)
print("Original array:")
print(arr)
# Compute the factor
U, s, V = np.linalg.svd(arr, full_matrices=False)
# Print the result
print("\nFactor of the given array by Singular Value Decomposition:")
print("\nU=", U, "\n\ns=", s, "\n\nV=", V)
输出:
例 3 :
蟒蛇 3
# Import numpy library
import numpy as np
# Create a numpy array
arr = np.array([[8, 1], [0, 5]], dtype=np.float32)
print("Original array:")
print(arr)
# Compute the factor
U, s, V = np.linalg.svd(arr, full_matrices=False)
# Print the result
print("\nFactor of the given array by Singular Value Decomposition:")
print("\nU=", U, "\n\ns=", s, "\n\nV=", V)
输出:
