Fonction torch.pca_lowrank de PyTorch

Pytorch torch 参考手册Manuel de référence Pytorch torch

torch.pca_lowrankIl s'agit d'une fonction de PyTorch utilisée pour calculer l'analyse en composantes principales (ACP) pour les matrices de rang faible. Cette fonction utilise un algorithme randomisé pour calculer efficacement l'ACP et convient aux jeux de données à grande échelle.

Définition de fonction

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

Description du paramètre

  • A: Matrice d'entrée
  • q: Nombre d'itérations de puissance (facultatif, par défaut 6)
  • center: Indique si les données doivent être centrées (facultatif, par défaut True)
  • niter: Nombre d'itérations aléatoires (facultatif, par défaut 2)

Exemple d'utilisation

Exemple

import torch

# Créer une matrice de données
A = torch.randn(100, 10)

# Calculer l'ACP de rang faible
U, S, V = torch.pca_lowrank(A)

print("Forme de la composante principale:", V.shape)
print("Valeurs singulières:", S[:5])

Le résultat de sortie est:

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Manuel de référence Pytorch torch

Autres extensions