algorithm - 缺少项的 SVD

标签 algorithm matrix machine-learning

给定一个实数矩阵 A 使得:

  • A 是对称的
  • 所有非对角线项都是已知且正的
  • 所有对角线项都缺失
  • 排名k

我想找到 A 的最佳可能完成,称为 Ac,这样(大约)rank(Ac)=k。

矩阵 A 可能很大(比如 n>100000),所以我需要一个最多工作为 O(n^3) 的方法。

为此,我正在考虑缺少项的 SVD 分解:

我分解 A,然后通过选择前 k 个奇异向量来恢复它。

我的问题是:当要分解的矩阵有缺失项时,SVD 是否存在可靠的结果?

最佳答案

这与最大割问题之间有着密切的联系。最大割问题的通常半定松弛涉及在 Ac 是半正定约束条件下最小化这种 Ac 的迹。我找到了 Christoph Helmberg's ConicBundle code特别适合计算这些问题的数值解。

关于algorithm - 缺少项的 SVD,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37634938/

相关文章:

python-3.x - 导入错误: No module named 'mstamp_stomp'

opencv - 有没有办法使用我的分类器对更多训练数据进行分类并获得准确的结果?

java - 如何理解leetcode中的递归?

java - 我的合并排序实现中的运行时错误

r - 在 matlab 函数中处理 NaN

python - PyCUDA 复杂矩阵乘法 - C 代码与 Python 代码

c++ - Armadillo 和 C++ - 使用二维数组进行矩阵初始化

pandas - 分割数据以按条件进行训练和测试

c# - C#:如何使Atkin筛网增量

algorithm - 如何创建随机路径?