文件名称：rSVD:使用R的随机矩阵分解
文件大小：3.35MB
文件格式：ZIP
更新时间：2024-06-04 09:26:49
cran pca svd principal-component-analysis dimension-reduction
使用R的快速随机奇异值分解 随机奇异值分解（rsvd）是一种快速概率算法，可用于高精度计算海量数据集的近乎最优的低秩奇异值分解。 关键思想是计算数据的压缩表示形式以捕获基本信息。 然后，可以使用该压缩表示来获得低阶奇异值分解分解。 据我们所知，rsvd软件包为R中的低秩矩阵逼近提供了最快的例程之一。 随着矩阵尺寸的增加（此处目标等级k = 50），计算优势变得明显： 奇异值分解在数据分析和科学计算中起着核心作用。 SVD还广泛用于计算（随机）主成分分析（PCA），这是一种线性降维技术。 随机PCA（rpca）使用近似的奇异值分解来计算最重要的主分量。 该软件包还包括一个用于计算（随机化）鲁棒主成分分析（RPCA）的功能。 此外，还提供了一些绘图功能。 有关更多详细信息，请参见： 。 SVD示例：图像压缩 library( rsvd ) data( tiger ) # Image com
【文件预览】：
rSVD-master
----.travis.yml(90B)
----man()
--------plot.rpca.Rd(605B)
--------ggbiplot.Rd(2KB)
--------ggscreeplot.Rd(835B)
--------rcur.Rd(4KB)
--------rqb.Rd(3KB)
--------rsvd.Rd(4KB)
--------digits.Rd(914B)
--------ggcorplot.Rd(1KB)
--------rrpca.Rd(3KB)
--------rpca.Rd(5KB)
--------ggindplot.Rd(1KB)
--------rid.Rd(4KB)
--------tiger.Rd(582B)
----data()
--------digits.RData(1.77MB)
--------tiger.RData(1.46MB)
----NAMESPACE(529B)
----tests()
--------testthat()
----rsvd.png(72KB)
----R()
--------digits.R(854B)
--------rpca.R(11KB)
--------plots.R(835B)
--------ggcorplot.R(6KB)
--------ggbiplot.R(9KB)
--------rqb.R(6KB)
--------rcur.R(7KB)
--------ggindplot.R(6KB)
--------wrapper_function.R(844B)
--------ggscreeplot.R(2KB)
--------rrpca.R(8KB)
--------tiger.R(520B)
--------rsvd.R(9KB)
--------rid.R(8KB)
----DESCRIPTION(1KB)
----README.md(4KB)