dask.array.linalg.svd
dask.array.linalg.svd¶
- dask.array.linalg.svd(a, coerce_signs=True)[源代码]¶
计算矩阵的奇异值分解。
- 参数
- a(M, N) 数组
- 强制符号布尔
是否对奇异向量应用符号强制，以通过默认的 True 来保持确定性结果。
- 返回
- u(M, K) 数组, 酉 / 正交
a 的左奇异向量（按列排列），形状为 (M, K)，其中 K = min(M, N)。
- s(K,) 数组，按降序排列的奇异值（最大的在前）
a 的奇异值。
- v(K, N) 数组, 酉 / 正交
a 的右奇异向量（按行排列），形状为 (K, N)，其中 K = min(M, N)。
警告
SVD 仅支持在一维上进行分块的数组。这要求所有输入要么包含单列分块（高瘦型），要么包含单行分块（矮胖型）。对于在两个维度上进行分块的数组，请参见 da.linalg.svd_compressed。
参见
np.linalg.svd等效的 NumPy 操作
da.linalg.svd_compressed完全分块数组的随机SVD
dask.array.linalg.tsqrQR 分解用于高瘦数组
dask.array.utils.svd_flip奇异向量的符号归一化
示例
>>> u, s, v = da.linalg.svd(x)