1
我如何R中使用奇异值分解(SVD) 有效地得到实际的矩阵, 原因A=svd$u %*% svd$d %*% t(svd$v)
这不是一个有效的方式来获得矩阵ASVD计算中的R
我如何R中使用奇异值分解(SVD) 有效地得到实际的矩阵, 原因A=svd$u %*% svd$d %*% t(svd$v)
这不是一个有效的方式来获得矩阵ASVD计算中的R
尝试svd(A)$u%*%diag(svd(A)$d)%*%t(svd(A)$v)
。
set.seed(12345)
A <- matrix(data=runif(n=9, min=1, max=9), nrow=3)
A
[,1] [,2] [,3]
[1,] 6.767231 8.088997 3.600763
[2,] 8.006186 4.651848 5.073795
[3,] 7.087859 2.330974 6.821642
s <- svd(A)
D <- diag(s$d)
s$u %*% D %*% t(s$v)
[,1] [,2] [,3]
[1,] 6.767231 8.088997 3.600763
[2,] 8.006186 4.651848 5.073795
[3,] 7.087859 2.330974 6.821642
通过@ MYaseen208
(s$u) %*% (t(s$v)*s$d)
这具有少一个矩阵乘法(这是一个为O(n^3)操作)在改进了答案。
[Package'svd'](http://cran.r-project.org/web/packages/svd/svd.pdf)也许? –