PyTorch torch.pca_lowrank función

Pytorch torch 参考手册Manual de referencia de Pytorch torch

torch.pca_lowrankEs una función de PyTorch utilizada para calcular el análisis de componentes principales (PCA) de matrices de bajo rango. Esta función utiliza un algoritmo aleatorizado para calcular el PCA de manera eficiente, adecuada para conjuntos de datos a gran escala.

Definición de la función

torch.pca_lowrank(A, q, center, niter)

Descripción de parámetros

  • A: Matriz de entrada
  • q: Número de iteraciones de potencia (opcional, valor predeterminado 6)
  • center: Si centralizar los datos (opcional, valor predeterminado True)
  • niter: Número de iteraciones aleatorias (opcional, valor predeterminado 2)

Ejemplo de uso

Ejemplo

import torch

# Crear una matriz de datos
A = torch.randn(100, 10)

# Calcular PCA de bajo rango
U, S, V = torch.pca_lowrank(A)

print("Forma de los componentes principales:", V.shape)
print("Valores singulares:", S[:5])

El resultado de salida es:

主成分形状: torch.Size([10, 10])
奇异值: tensor([12.3456,  9.8765,  8.1234,  6.7890,  5.4321])

Pytorch torch 参考手册Manual de referencia de Pytorch torch

Otras extensiones