如何在Python中使用NumPy正确执行SVD奇异值分解

雨墨姑娘_2169

雨墨姑娘_2169

2026-11-20

798人浏览

原创

np.linalg.svd 返回 U、s、Vh 三个数组,因 SVD 数学定义为 A = U @ diag(s) @ Vh,其中 s 是降序一维奇异值数组,U 和 Vh 为酉矩阵;NumPy 为性能和内存效率不自动构造对角矩阵,避免冗余计算与存储。

如何在python中使用numpy正确执行svd奇异值分解

为什么 np.linalg.svd 返回三个数组而不是一个矩阵

因为 SVD 的数学定义就是将矩阵 A 分解为 U @ np.diag(s) @ Vh,其中 U 和 Vh 是酉矩阵,s 是一维奇异值数组(降序排列)。NumPy 严格遵循这一约定,不自动构造对角矩阵——这是性能和内存的合理取舍,避免生成可能巨大的稀疏感伪对角矩阵。

常见错误是试图直接用 U @ s @ Vh 计算重构,结果报错 ValueError: matmul: Input operand 1 has a mismatch in its core dimension,因为 s 是 1D 数组,不能直接参与矩阵乘法。

  • 正确做法:用 np.diag(s) 构造对角阵(仅适用于小规模 s)
  • 更推荐:用 U @ (s[:, None] * Vh) 实现广播乘法,省去显式构造大对角阵
  • 若只关心前 k 个奇异值,传入 full_matrices=False 可减少 U 和 Vh 的尺寸

如何安全截断 SVD 做低秩近似且不破坏形状

低秩近似常用于降维或去噪,但手动切片 U、s、Vh 容易因维度不匹配导致 matmul 失败。关键在于三者必须“对齐”:

  • U 取前 k 列 → 形状变为 (m, k)
  • s 取前 k 个 → 形状为 (k,)
  • Vh 取前 k 行 → 形状为 (k, n)(注意不是切列)
  • 重构时用 U_k @ np.diag(s_k) @ Vh_k 或更高效的 (U_k * s_k) @ Vh_k

示例:A = np.random.randn(100, 50);U, s, Vh = np.linalg.svd(A, full_matrices=False);取 k=5 时,U_k = U[:, :5],s_k = s[:5],Vh_k = Vh[:5, :]。

在清理重构之前使用 Vulture 查找未使用的 Python 代码
在清理重构之前使用 Vulture 查找未使用的 Python 代码

在重构之前对Python代码库运行死代码检测,以便智能体能够标记未使用的函数、类、导入和变量,而不是盲目删除。

下载

np.linalg.svd 的 compute_uv 参数到底什么时候该关

当只需要奇异值(比如判断矩阵秩、条件数、数值秩),关闭 compute_uv=False 能显著提速并节省内存,尤其对大型矩阵。此时函数只返回一维数组 s,不再计算 U 和 Vh。

  • 开销差异明显:对 (10000, 200) 矩阵,compute_uv=True 可能耗时 3 秒以上,False 通常在 0.2 秒内
  • 注意:即使只想要 s,也别用 np.linalg.svd(A)[1] 并假设索引稳定——应显式写 np.linalg.svd(A, compute_uv=False)
  • 该参数不影响 s 的排序或精度,始终按降序返回

遇到 LinAlgError: SVD did not converge 怎么办

这不是数据“有问题”,而是底层 LAPACK 实现对病态或含大量零/重复行的矩阵迭代失败。它和矩阵是否满秩无直接关系,更多与浮点扰动和算法收敛阈值有关。

  • 最简单有效:给输入加极小噪声,如 A_tiny = A + 1e-12 * np.random.randn(*A.shape)
  • 预处理:用 np.nan_to_num(A, nan=0.0, posinf=0.0, neginf=0.0) 清理非法值
  • 换算法:改用 scipy.linalg.svd(..., lapack_driver='gesvd')(默认是 'gesdd'),有时更鲁棒
  • 避免在 dtype=float32 上运行;强制转 float64 可缓解收敛问题

真正难解的情况往往源于原始数据本身存在严重线性相关或缩放失衡——这时与其硬算 SVD,不如先做 PCA 标准化或用 randomized SVD(sklearn.utils.extmath.randomized_svd)。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5604

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34277

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4007

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4007

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3123

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程