6
Кто-нибудь знает, как выполнить операцию svd на разреженной матрице в python? Кажется, что в scipy.sparse.linalg нет такой функции.sparse matrix svd in python
A
ответ
3
Для этого вы можете использовать библиотеку Divisi; на домашней странице:
- Это библиотека, написанная на Python, с использованием библиотеки C (SVDLIBC) для выполнения разреженной операции SVD с использованием алгоритма Ланцоша. Другие математические вычисления выполняются NumPy.
3
Вы можете попробовать scipy.sparse.linalg.svd, хотя документация все еще находится в процессе разработки и, следовательно, лаконична.
+1
Вы, вероятно, имеете в виду процедуру под названием «svds». Я попробовал, но сам не был доволен результатами ... – dividebyzero
4
Похоже, sparsesvd - это то, что вы ищете! SVDLIBC эффективно завернут в Python (без дополнительных копий данных в ОЗУ).
Просто запустите «easy_install sparsesvd» для установки.
2
Простой пример использования библиотеки:
from recsys.algorithm.factorize import SVD
svd = SVD()
svd.load_data(dataset)
svd.compute(k=100, mean_center=True)
ITEMID1 = 1 # Toy Story
svd.similar(ITEMID1)
# Returns:
# [(1, 1.0), # Toy Story
# (3114, 0.87060391051018071), # Toy Story 2
# (2355, 0.67706936677315799), # A bug's life
# (588, 0.5807351496754426), # Aladdin
# (595, 0.46031829709743477), # Beauty and the Beast
# (1907, 0.44589398718134365), # Mulan
# (364, 0.42908159895574161), # The Lion King
# (2081, 0.42566581277820803), # The Little Mermaid
# (3396, 0.42474056361935913), # The Muppet Movie
# (2761, 0.40439361857585354)] # The Iron Giant
ITEMID2 = 2355 # A bug's life
svd.similarity(ITEMID1, ITEMID2)
# 0.67706936677315799
Кажется, вы не повезло и придется обернуть Fortran библиотеки, такие как PROPACK самостоятельно. Или попросите разработчиков Scipy добавить SVD на основе PROPACK в предстоящую версию. – Philipp
Существует также библиотека SVDPACK с версиями и интерфейсами C и C++. – Philipp