mroot(mgcv)
mroot()所属R语言包:mgcv
Smallest square root of matrix
最小的平方根矩阵
译者:生物统计家园网 机器人LoveR
描述----------Description----------
Find a square root of a positive semi-definite matrix, having as few columns as possible. Uses either pivoted choleski decomposition or singular value decomposition to do this.
找到一个半正定矩阵的平方根,有尽可能少的列。用途要么透视choleski分解或奇异值分解,做到这一点的。
用法----------Usage----------
mroot(A,rank=NULL,method="chol")
参数----------Arguments----------
参数:A
The positive semi-definite matrix, a square root of which is to be found.
的半正定矩阵,这是被发现的平方根。
参数:rank
if the rank of the matrix A is known then it should be supplied.
如果矩阵A的排名被称为那么它应该提供。
参数:method
"chol" to use pivoted choloeski decompositon, which is fast but tends to over-estimate rank. "svd" to use singular value decomposition, which is slow, but is the most accurate way to estimate rank.
"chol"使用透视choloeski decompositon,这是快,但往往高估排名。 "svd"使用奇异值分解,这是缓慢的,但最准确的方法来估计排名。
Details
详情----------Details----------
The routine uses an LAPACK SVD routine, or the LINPACK pivoted Choleski routine. It is primarily of use for turning penalized regression
常规使用的LAPACK SVD的常规,或透视的LINPACK Choleski常规。它主要使用的是转向惩罚回归
值----------Value----------
A matrix, B with as many columns as the rank of
A矩阵,B多列秩
作者(S)----------Author(s)----------
Simon N. Wood <a href="mailto:simon.wood@r-project.org">simon.wood@r-project.org</a>
举例----------Examples----------
set.seed(0)
a <- matrix(runif(24),6,4)
A <- a%*%t(a) ## A is +ve semi-definite, rank 4[#+ VE半正定,排名4]
B <- mroot(A) ## default pivoted choleski method[#默认透视choleski方法]
tol <- 100*.Machine$double.eps
chol.err <- max(abs(A-B%*%t(B)));chol.err
if (chol.err>tol) warning("mroot (chol) suspect")
B <- mroot(A,method="svd") ## svd method[#SVD方法]
svd.err <- max(abs(A-B%*%t(B)));svd.err
if (svd.err>tol) warning("mroot (svd) suspect")
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
|