sklearn截断奇异值分解无法处理复杂矩阵。

Question

我正在尝试使用sklearn的随机版本TruncatedSVD（虽然实际上我在调用内部函数randomized_svd以获取实际的u、s、v矩阵）。虽然对于实数矩阵它能正常工作，但是对于复数矩阵，即使奇异值完全正确，我也无法得到原始矩阵：

>>> import numpy as np
>>> from sklearn.utils.extmath import randomized_svd
>>> N = 3
>>> a = np.random.rand(N, N)*(1 + 1j)
>>> u1, s1, v1 = np.linalg.svd(a)
>>> u2, s2, v2 = randomized_svd(a, n_components=N, n_iter=7)
>>> np.allclose(s1, s2)
True
>>> np.allclose(a, u1.dot(np.diag(s1)).dot(v1))
True
>>> np.allclose(a, u2.dot(np.diag(s2)).dot(v2))
False

您有什么想法是出了什么问题？

- user3930598

Answer 1

事实证明，这是随机奇异值分解中的一个错误，具体在于这个转换：

B = safe_sparse_dot(Q.T, M)

用这个替换

B = safe_sparse_dot(Q.T.conj(), M)

问题已解决。

- user3930598