在 python 3 中使用 numpy 创建较低秩矩阵近似

Question

我试图了解如何使用 numpy 创建较低秩矩阵近似。我已经在numpy中创建了一个2-D数组以及该矩阵的SVD。但我现在想知道的是，我将如何创建近似值，例如该矩阵的秩 2。如果我理解正确，所需要的只是将 SVD 的 Sigma 数组更改为仅包含 2 个最大的数字？而且由于它已经订购，这将需要将除前 2 列之外的所有其他列归零？

例如，如果我的数组是这样的

#This is my 2-D array which holds my original values
listA
#This is the SVD of this list
listSVD = np.linalg.svd(listA)
u, s, v = listSVD

现在基本上是我们的秩 2 近似值将涉及将 s 中第二列以外的所有列归零，这将是我们的近似值吗？

Answer 1

Nvm 我想通了，所以基本上是的，你只需要将 s 矩阵中剩余的值归零！