多维矩阵的小值和大值的梯度下降

Question

我有一个矩阵R，我想用梯度下降法估计。该代码适用于小尺寸矩阵（例如100x1），但随着我增加尺寸（例如10x3），该代码会提供NaN值。请帮忙！

R =[196,242,3;186,302,3;22,377,1;244,51,2;166,346,1;298,474,4;115,265,2;253,465,5;305,451,3;6,86,3]; 
N = length(R); 
M = size(R,2); 
K = 3; 

P = rand(N,K); 
Q = rand(M,K); 
alpha = 0.002; 
beta = 0.02; 


for iter = 1 : 5000 
e = R - P*Q'; 
P_new = P + 2*alpha*(e*Q-beta*P); 
Q_new= Q + 2*alpha*(e'*P-beta*Q); 
mse2(iter) = norm(R - P*Q')/norm(R); 

P=P_new; 
Q=Q_new; 
end 

R_est = P*Q'; 

Answer 1

你的问题在于for循环。最大的双matlab可以存储的是1.7977e+308，循环7次运行后，P和Q的值为10^101的数量级，8次运行后的数值为inf。我不确定你的估计矩阵是什么意思，但你的价值来自P和Q如此迅速增长的方式。另外需要注意的是，mse2变量不被使用。它的目的是什么？