- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我想在给定时间内以可承受的最佳精度获得稀疏对称矩阵的特征向量。
目前我将以下内容与 scipy.sparse.eigsh
一起使用:
evals, evecs = eigsh(MyMatrix, 2,which='LM' ,tol=1.e-15, maxiter=1000000)
如果通过 maxiter
次迭代没有收敛到 tol
精度,它会引发一个 ArpackNoConvergence
错误,其中包含已经收敛的特征向量/值,但不是那些没有的。然而,我更喜欢使用精度为 1.e-14
的向量而不是 1.e-15
而不是根本没有向量。有没有办法强制返回尚未收敛的特征向量(可能与另一个库)?
就像在 Matlab 中一样,eigs
函数无论如何都会返回特征向量,如果未达到所需的精度,则只附加一个警告。
谢谢!
最佳答案
ArpackNoConvergence
exception 具有包含部分结果的 .eigenvalues
和 .eigenvectors
属性:
import numpy as np
from scipy.sparse.linalg import eigsh, ArpackNoConvergence
M = np.random.RandomState(0).randn(100, 100)
try:
w, v = eigsh(M, 5, maxiter=20)
except ArpackNoConvergence as e:
print(e)
w = e.eigenvalues
v = e.eigenvectors
print(w.shape, v.shape)
打印:
ARPACK error -1: No convergence (21 iterations, 2/5 eigenvectors converged)
((2,), (100, 2))
关于 python scipy eigs : return eigenvector after maximum number of iterations whatever the convergence tolerance,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33452383/
我为此进行了很多搜索,但找不到关于“eig”和“eigs”这两种方法有何不同的答案。从他们那里得到的特征值和特征向量有什么区别? 最佳答案 他们使用不同的算法,针对不同的问题和不同的目标量身定制。 e
我使用 eigs 计算较大(数万)的稀疏方阵的特征向量。我想要的是最小的一组特征向量。但是 eigs(A, 10, 'sm') % Note: A is the matrix 运行很慢。 但
有没有办法提高numpy.linalg.eig()和scipy.linalg.eig()的输出精度? 我正在对角化一个非对称矩阵,但我希望在物理基础上得到正负特征值对的实谱。事实上,特征值确实成对出现
我想用 lambda * M * v = K * v 计算广义特征值问题的特征值,其中 lambda 是特征值,v 是特征向量,M 和 K 是矩阵。假设我们有 K = 1.8000 + 0.00
上下文: 我的目标是创建一个 Python3 程序来对大小为 N 的向量 V 进行微分运算。我这样做了,测试了它的基本操作并且它有效(微分、梯度...)。 我尝试以此为基础编写更复杂的方程(Navie
我有以下矩阵 sigma 和 sigmad: 西格玛: 1.9958 0.7250 0.7250 1.3167 西格玛德: 4.8889 1.1944 1.
我尝试在 MATLAB 和 NumPy 上分析 EIG 函数,以比较我的 Macbook Pro(2 GHz,运行 OS X 10.6 的四核 i7)上的性能。与 MATLAB 相比,NumPy EI
我有一个稀疏的实数对称矩阵,我正在尝试将其分解为其 e.v.奇怪的是:如果我使用 eigs 计算前 20 个特征向量,我得到的结果与我计算前 50 个然后选出前 20 个的结果不同。 opts.v0
在 matlab 中,我使用函数“eigs()”获取大型矩阵 (5000x5000) 的几个(大约 10 个)最小特征向量。像这样: [V,UU] = eigs(A, 10,'sm'); 经过一番尝试
我正在尝试编写一个程序来获取任意大小的矩阵 A,然后 SVD 对其进行分解: A = U * S * V' 其中A是用户输入的矩阵,U是由A * A'的特征向量组成的正交矩阵,S是奇异值的对角矩阵,V
我正在尝试使用 eig 查找矩阵的特征值。我用示例数据定义矩阵: A = magic(5) A = 17 24 1 8 15 23 5 7 14
我正在使用 eigs() 函数(来自 Arpack 包)来查找稀疏矩阵的特征值(eigen() 不适用于备用矩阵)。显然,即使在非常简单的情况下,eigs() 也无法找到所有特征值: using Ar
我遇到了这个烦人的问题,但我还没有弄清楚。我有一个矩阵,我想找到特征向量,所以我写: val,vec = np.linalg.eig(mymatrix) 然后我得到了 vec 。我的问题是,当我小组中
我在 Matlab 中使用了一个函数: [V,D] = eig(C); 我看到 V 和 D 始终按升序排序。它总是这样还是应该在获得 V 和 D 值后对它们进行排序? 最佳答案 如果你想保证按升序排序
尝试使用 scipy 的 linalg.eig 来解决广义特征值问题。然后我检查我得到的解决方案,它似乎没有返回正确的特征向量。此外,文档表明返回的向量已归一化,但事实并非如此(尽管这并没有那么困扰我
考虑以下最小示例: function CoderEigFail() %#codegen A = [0 sqrt(2); sqrt(2) 0]; [B C] = eig(A) 当我通过 codegen
考虑以下最小示例: function CoderEigFail() %#codegen A = [0 sqrt(2); sqrt(2) 0]; [B C] = eig(A) 当我通过 codegen
我有一个关于 scipy.linalg.eig 如何计算左右特征向量的问题。也许我误解了一切,但事情似乎对我来说不对...... 从一开始就。为了获得特征值和两个特征向量,我使用了以下内容:ev, l
当我使用 numpy.linalg.eig 时 eValues, eVectors = numpy.linalg.eig(someMatrix) 返回的 eValues 几乎是按降序排列的。 nump
协方差矩阵的特征值应该是实数且非负,因为协方差矩阵是对称的和半正定的。 但是,请看下面的 scipy 实验: >>> a=np.random.random(5) >>> b=np.random.ran
我是一名优秀的程序员,十分优秀!