راه
۶ کیو· متوسطمتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت

بازسازی داده با M مؤلفه

مؤلفه‌های اصلی تعبیر دیگری هم دارند: MM مؤلفه‌ی اول، نزدیک‌ترین تقریب MM بعدی داده‌اند. تابع reconstruct(X, M):

  1. ستون‌ها را مرکزی کنید (بدون تقسیم بر انحراف معیار).
  2. با SVD ماتریس مرکزی، X~=UDV⊤\tilde X = UDV^\top، تقریب رتبه‌ی MM را بسازید: X^=UMDMVM⊤\hat X = U_MD_MV_M^\top — یعنی امتیازهای MM مؤلفه‌ی اول ضرب در بارهایشان.
  3. میانگین ستون‌ها را دوباره اضافه کنید.

خروجی [mse, row0...]: نخست میانگین مربع خطای بازسازی روی همه‌ی عضوها، 1np∑i,j(xij−x^ij)2\frac{1}{np}\sum_{i,j}(x_{ij} - \hat x_{ij})^2، و بعد ردیف اول ماتریس بازسازی‌شده.

نمونه‌ها

ورودی نمونه ۱
[[[3.3, 2.72, 3.41], [4.96, 0.76, 3.6], [1.84, 4.3, 2.56], [2.69, 2.76, 2.59], [1.32, 3.02, 3.05], [6.75, -0.36, 4.15], [7.0, 2.35, 3.42], [2.59, 3.65, 2.54]], 1]
خروجی نمونه ۱
[0.2386, 3.3605, 2.6816, 3.0577]
ورودی نمونه ۲
[[[2.5, 4.54, 3.67, 3.84], [3.44, 4.74, 3.51, 1.61], [2.89, 3.25, 3.38, 2.72], [3.54, 2.43, 2.51, 1.74], [2.74, 1.77, 2.37, 4.52], [2.16, 3.74, 3.75, 2.86], [2.48, 3.44, 3.26, 2.48], [1.61, 3.68, 3.63, 4.38], [0.56, 0.43, 3.19, 6.57], [3.08, 3.84, 3.3, 1.81], [1.9, 4.37, 3.51, 3.49], [3.71, 4.47, 3.3, 0.83]], 2]
خروجی نمونه ۲
[0.0349, 2.0436, 4.39, 3.7926, 3.5147]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود