为什么 Scipy 稀疏实现 returns 奇异值的数量不正确，尽管密集的 returns 是正确的？

Question

我正在尝试评估维度为 1401375、51 的数据集的奇异值分解。当我尝试使用 scipy.linalg.svd 时，它会给出正确数量的奇异值 (51) 和所有奇异值是正确的（我检查了 LAPACK）。但是，当我尝试使用 scipy.sparse.linalg.svds 时出现错误： ValueError: k 必须介于 1 和 min(A.shape) 之间，k=51

  _, sigma, _ = sp.sparse.linalg.svds(A_s, k=51, return_singular_vectors='vh',which='LM')
_, sigma, _ = sp.linalg.svd(A_D, full_matrices=False,
                                            overwrite_a=True, check_finite=False,
                                            compute_uv=True)

我希望稀疏版本有 return 51 个奇异值，但它失败了。当我将 k 的值降低到 50 时，它执行成功。

Answer 1

您可以在 scipy 的 scipy 文档中找到它，但是 k 必须是：1 <= k < min(A.shape) 所以如果您的形状是 1401375, 51那么最小值是 51 并且 k 必须小于不小于或等于

为什么 Scipy 稀疏实现 returns 奇异值的数量不正确，尽管密集的 returns 是正确的？

Why does Scipy sparse implementation returns incorrect number of singular values although dense one returns correct?

python

scipy

sparse-matrix

svd