в статье RandomPCA приблеженный с оценкой что я выше указывал
привет, что-то удалось улучшить или выяснить? интересно
Привет, в статье есть несколько оценок ошибки вычисления аппроксимации матрицы низкого ранка, где по сути норма разницы не больше k+1 сингулярного значения исходной матрицы + коэфф. Но я не понял, можно ли из этого оценить насколько случайные соб значения отличаются от случ значений вычисленных по полному разложению. Для себя я остановился на том, что явных ограничений в алгоритме randomizedPCA нет чтобы сумма всех случайных соб значений была <= total variance исходной матрицы. Может можно от обратного доказать, но пока особо не вкапывался
Обсуждают сегодня