有使用错误 SE 的风险...
我的问题与numpy.linalg.lstsq(a, b, rcond) 中的rcond 参数有关。我知道当 numpy 计算 a 的伪逆时，它用于定义奇异值分解中小奇异值的截止值。
但是，为什么将“小”奇异值（低于截止值）设置为零而不是仅仅将它们保持为小数字是有利的？
PS：诚然，我不知道伪逆是如何计算的，以及 SVD 在其中扮演什么角色。
谢谢！
【问题讨论】：
标签： numpy linear-algebra svd
要确定系统的等级，您可能需要与零进行比较，但与浮点运算一样，我们应该与某个有限范围进行比较。在添加和减去杂乱数字时，永远不会发生精确到 0 的情况。
（倒数）条件数允许您以与矩阵中的单位和比例无关的方式指定这样的限制。
如果您确定您的问题不会面临未确定的风险，您也可以通过指定 rcond=None 来选择 lstsq 中的此功能。
未来的默认值听起来像是 numpy 的明智选择
FutureWarning：
rcond参数将更改为默认的机器精度时间max(M, N)其中 M 和 N 是输入矩阵维度
因为如果你达到这个限制，你只是适应浮点运算的舍入误差，而不是你希望建模的“真实”数学系统。
【讨论】：