[机器学习]SVD（奇异值分解）

denngyu

1. import numpy as np
   
2. 
   
3. data = np.array([[5,0,3],[3,-5,4]])
   
4. dataT = np.transpose (data)
   
5. datadataT = data@dataT
   
6. 
   
7. eigen_value,U=np.linalg.eigh(datadataT)
   
8. 
   
9. evall_sort_idx = np.argsort(eigen_value)[::-1]
   
10. 
    
11. eigen_value = np.sort(eigen_value)[::-1]
    
12. 
    
13. U = U[:,evall_sort_idx]
    
14. 
    
15. sigma = np.mat(np.diag(np.sqrt(eigen_value)))
    
16. 
    
17. inverse_sigma = np.linalg.inv(sigma)
    
18. UT = np.transpose(U)
    
19. VT= inverse_sigma@UT@data
    
20. print('U')
    
21. print(U)
    
22. A = U@sigma@VT
    
23. print('A')
    
24. print(A)
    
25. U1,sigmal,VT1 = np.linalg.svd(data)
    
26. print('U1')
    
27. print(U1)
    
28. print(eigen_value)
    
29. print(sigma)
    
30. print(sigmal)
    

复制代码