我正在尝试评估维度为 1401375, 51 的数据集的奇异值分解。当我尝试使用 scipy.linalg.svd 时，它给出了正确的奇异值数量 (51)，并且所有这些都是正确的(我对照 LAPACK 进行了检查)。但是，当我尝试使用 scipy.sparse.linalg.svds 时，它会出现错误: ValueError: k 必须介于 1 和 min(A.shape) 之间，k=51
_, sigma, _ = sp.sparse.linalg.svds(A_s, k=51, return_singular_vectors='vh',which='LM')
_, sigma, _ = sp.linalg.svd(A_D, full_matrices=False,
overwrite_a=True, check_finite=False,
compute_uv=True)
我期望稀疏版本返回 51 个奇异值，但它失败了。当我将k的值降低到50时，它执行成功。
最佳答案
您可以在 scipy 的 scipy 文档中找到它，但 k 必须为: 1 <= k < min(A.shape) 因此，如果您的形状为 1401375, 51，则 min 为 51，并且 k 必须小于不小于或等于
关于python - 为什么 Scipy 稀疏实现会返回错误数量的奇异值，而密集奇异值会返回正确的数量？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56694800/