如何用sklearn获得所有三个SVD矩阵？

Question

Singular value decomposition矩阵的大小M(M,N)手段融通

如何从scikit-learn和numpy包获得全部三个矩阵？

我想我可以得到Sigma与PCA model：

import numpy as np 
from sklearn.decomposition import PCA 

model = PCA(N, copy=True, random_state=0) 
model.fit(X) 

Sigma = model.singular_values_ 
Sigma = np.diag(singular_values) 

那其他矩阵？

Answer 1

你可以使用numpy.linalg.svd这些矩阵如下：

a=np.array([[1,2,3],[4,5,6],[7,8,9]]) 
U, S, V = np.linalg.svd(a, full_matrices=True) 

S是一个1D数组，表示在Sigma对角线项。 U和V是来自分解的对应矩阵。请注意，当您使用PCA时，数据会在应用svd之前居中（与numpy.linalg.svd不同，其中svd直接应用于矩阵本身，请参见第409-410行here行）。