【问题标题】:Full Singular Value Decomposition in RR中的全奇异值分解
【发布时间】:2011-09-28 11:38:02
【问题描述】:

在大多数应用程序(尤其是统计应用程序)中,thin SVD 就足够了。但是,有时需要完整的 SVD 以获得矩阵(及其共轭)的零空间的正交基。似乎 R 中的 svd() 只返回瘦版本。可以制作完整版吗?有替代品吗?

【问题讨论】:

    标签: r linear-algebra numerical-methods


    【解决方案1】:

    R Core 使用了它需要的 Linpack、Lapack 等例程。

    如果您需要不同的东西,您可能需要让自己获得其他 Linpack 等例程,或者连接到提供更多功能的库。

    Doug Bates 刚刚将 Eigen 库包装在 RcppEigen 包中,它可能对您有所帮助。 Eigen 看起来功能强大且功能相当丰富,同时经过高度优化。

    【讨论】:

    • 有趣。我看到 eigen 不依赖于 LAPACK。我想知道它是否在性能上具有竞争力,或者它的优势是否在其他地方。
    • 它往往更快,但需要大量目标文件。关于 RcppEigen 的博文即将发布,
    【解决方案2】:
    library(sos)
    > findFn("svd NULL space")
    found 47 matches;  retrieving 3 pages
    

    这看起来很重要:

    MSBVAR null.space Find the null space of a matrix

    As does this function in MASS.

    【讨论】:

      猜你喜欢
      • 2023-03-22
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2013-02-02
      • 1970-01-01
      • 2011-09-28
      • 2010-10-31
      • 2015-04-16
      相关资源
      最近更新 更多