回答情况：
提问时间：
问题标签：
我正在实现度量学习算法，我想要降低数据的维度。我使用Java和库(Jama)来实现，并使用PCA来降低维度。当我使用Jama库中的eig来获取特征值时，即使对于大小为300 x 20的矩阵，也需要花费大量时间。我需要获取特征值和特征向量的java实现。作为参考，我还尝试了其他库，如Jblas，它具有PCA，但在特征值和特征向量方面的性能非常差。
浏览 3提问于2014-06-17得票数 0
我尝试了eigenvector_centrality和eigenvector_centrality_numpy两种方法。但是它们都给了我错误信息NetworkXError: eigenvector_centrality():当我尝试的时候，我用eigenvector_centrality_numpy检查了它可能已经修复了。
浏览 0修改于2018-08-12得票数 1
我对特征检测的概念很陌生。我用lambda=eig(Matrix)计算了矩阵的特征向量和特征向量。我想知道如何计算灰度图像的特征值和特征向量。谢谢。
浏览 3修改于2013-12-03得票数 1
回答已采纳
我试图用TensorFlow验证一个简单的特征值/特征向量问题。import tensorflow as tf # version 2.6.0ex1 = tf.convert_to_tensor([[0,1],[-2,-3]],dtype=tf.float32)输出：[[ 0. 1.]然后使用tf.linalg.eigh计算特征值和特征向量：
eigVals, eigVects = tf.linalg
浏览 0提问于2021-11-12得票数 1
回答已采纳
我对python很陌生，并尝试使用networkx计算图的eigenvector_centrality，这是一个file.csv，如下所示：rfrf,g2rf,5pythonG = nx.read_weighted_edgelist("file.csv", delimiter=",") centrality
浏览 2修改于2014-09-02得票数 1
回答已采纳
给定一个矩阵，我感兴趣的是特征值和相应的特征向量。你能给我推荐一下这样做的方法吗？我试着自己去实施，但结果变得很糟糕。
浏览 0修改于2013-02-09得票数 1
回答已采纳
所以最终的方程式看起来就像这样：
Second principal component (uses second eigenvector array row??)
浏览 0提问于2012-09-13得票数 3
回答已采纳
因此，我在Django应用程序中创建了一个API，并且我有一个类NodeID，它遵循以下模式： EIGENVECTOR = 0return json.dumps({'eigenvector': NodeID.EIGENVECTOR})
当我在浏览器中查看API的结果时，它会显示‘本征向量’的值为NodeID.EIGENVECTOR{"eigenvector": N
浏览 1修改于2015-04-21得票数 1
回答已采纳
下面的例子给出了用eigenvector_centrality和eigenvector_centrality_numpy得到的不同结果。有没有办法使这种计算更有力？= 0 else np.inf)
eigenvector_centrality = {v[0]: v[1] for v in sorted(nx.eigenvector_centrality(G.reverseG.is_directed() else G, max_iter=10000, weight="weight").items(),
浏览 3提问于2020-06-24得票数 4
回答已采纳
= NULL; dpss( N, NW, eigenvector );
double max_lambda;
CUDA_CALL( cudaMalloc
浏览 2修改于2015-05-24得票数 2
回答已采纳
as.numeric(ev), 4, 4)ev <- data.frame(ev)names(p.data) <
浏览 2提问于2021-03-12得票数 0
回答已采纳
of dict同样适用于：>>> nx.set_node_attributes(G, 'eigenvector', eigenvector_dict)
为什么会这样
浏览 3提问于2021-11-23得票数 0
我使用以下代码从成对比较矩阵中获得排名：eigenvalues, eigenvector=numpy.linalg.eig(A)eigenvalues=numpy.float32(eigenvalues) #float32
eigenvector=numpy.float32
浏览 1修改于2016-11-30得票数 1
G.vertices(): node_closeness.append(a) 这段代码适用于贴近度，但对于特征向量也是如此： node_eigenvector= [] a = eigenvector(G)[vertex]
TypeError:
浏览 19提问于2019-10-10得票数 0
decomposition = new EigenDecomposition(realMatrix);
RealVector eigenvector= decomposition.getEigenvector(i);
System.out.println(eigenvector.getEntry(0)+" "+eigenvector.getEntry(1)+" "+eigenvector</em
浏览 5提问于2017-12-18得票数 1
回答已采纳
假设我们有一个这样的矩阵： degree eigenvector betweeneigenvector 0.9404647 1.00000000 0.67371624 我想返回最高的值(不是= 1，这里是0.94...)和最低的值
浏览 46提问于2021-02-05得票数 0
maxComponents=NUM_EIGEN_FACES) averageFace = mean.reshape(sz) for eigenVectorin eigenVectors: eigenFaces.append(eigenFace)
但我不知道如何获得像这样的顶级特征脸图片
浏览 18修改于2020-02-28得票数 0
回答已采纳
我必须对maxcut库中的函数"largest_eigenvector“进行计时，该函数将由networkx库中的函数返回的图G作为输入。所以我想给这段代码计时：import networkx as nx import networkx as nx """
t = timeit.Timer(s,
浏览 1提问于2011-11-02得票数 1
EigenDecomposition decomposition = new EigenDecomposition (testMatrix); System.out.println("eigenvector[1] = " + decomposition.getEigenvector(1));特征向量的输出显示为{real_value + imagin
浏览 4修改于2016-11-18得票数 6
回答已采纳
我查看了给定矩阵的特征向量矩阵，但当我尝试求逆时，在eigenvector_matrix_inv()中遇到了错误。0.0, 0.0, -2.1796875, 8.7119140625], # ...
浏览 5修改于2016-01-18得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号