我想计算 Moore–Penrose pseudoinverse一个巨大的矩阵。理想情况下，我想在具有 2300 万行和 1000 列的矩阵上执行此操作，但如有必要，我可以通过仅在实验的一部分上运行来将行数减少到 400 万。
显然，将矩阵加载到内存中并在其上运行 SVD 是行不通的。 Wikipedia指向 Krylov subspace方法并提到 Arnoldi , Lanczos , Conjugate gradient , GMRES (广义最小残差)、BiCGSTAB(双共轭梯度稳定)、QMR(准最小残差)、TFQMR(无转置 QMR)和 MINRES(最小残差)方法是最好的 Krylov 子空间方法之一。但我不知道从这里去哪里。计算如此巨大的矩阵的伪逆是否可行？如果是这样，使用哪些算法或软件库？我有一个可用的大型计算集群，因此欢迎使用并行方法。
This answer指向 R 包 biglm .那行得通吗？有人用过吗？我通常使用 Python 工作，但不介意使用其他语言和工具来完成这项特定任务。
最佳答案
与通过伪逆计算最小二乘解相比，使用直接收敛到最小二乘解的 block 迭代算法可能更好。参见 Charlie Byrne 的“Applied Iterative Methods”。这些算法与 Krylov 子空间方法密切相关，但经过调整以便于计算。您可以通过查看此 preprint of another 的第 3 章获得介绍。他的书。
关于algorithm - 大规模伪逆，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3301138/