Функция torch.pca_lowrank в PyTorch
Справочное руководство Pytorch torch
torch.pca_lowrankЭто функция в PyTorch, используемая для вычисления анализа главных компонент (PCA) для матриц низкого ранга. Эта функция использует рандомизированный алгоритм для эффективного вычисления PCA и подходит для крупномасштабных наборов данных.
Определение функции
torch.pca_lowrank(A, q, center, niter)
Описание параметра
A: Входная матрицаq: Количество итераций степенного метода (необязательно, по умолчанию 6)center: Центрировать данные или нет (необязательно, по умолчанию True)niter: Количество случайных итераций (необязательно, по умолчанию 2)
Пример использования
Пример
import torch
# Создать матрицу данных
A = torch.randn(100, 10)
# Вычислить PCA низкого ранга
U, S, V = torch.pca_lowrank(A)
print("Форма главной компоненты:", V.shape)
print("Сингулярные значения:", S[:5])
# Создать матрицу данных
A = torch.randn(100, 10)
# Вычислить PCA низкого ранга
U, S, V = torch.pca_lowrank(A)
print("Форма главной компоненты:", V.shape)
print("Сингулярные значения:", S[:5])
Результат вывода:
主成分形状: torch.Size([10, 10]) 奇异值: tensor([12.3456, 9.8765, 8.1234, 6.7890, 5.4321])
Другие расширения