R中稀疏矩阵的SVD

Question

我的MatrixR 稀疏,显然对我来说太大as.matrix()了(虽然它也不是超大).有as.matrix()问题的调用是在svd()函数内部,所以我想知道是否有人知道不需要先转换为密集矩阵的SVD的不同实现.

Answer 1

该irlba封装具有非常快的SVD实施稀疏矩阵.

Answer 2

你可以使用随机投影在R中做一个非常令人印象深刻的稀疏SVD,如http://arxiv.org/abs/0909.4061所述

以下是一些示例代码:

# computes first k singular values of A with corresponding singular vectors
incore_stoch_svd = function(A, k) {
  p = 10              # may need a larger value here
  n = dim(A)[1]
  m = dim(A)[2]

  # random projection of A    
  Y = (A %*% matrix(rnorm((k+p) * m), ncol=k+p))
  # the left part of the decomposition works for A (approximately)
  Q = qr.Q(qr(Y))
  # taking that off gives us something small to decompose
  B = t(Q) %*% A

  # decomposing B gives us singular values and right vectors for A  
  s = svd(B)
  U = Q %*% s$u
  # and then we can put it all together for a complete result
  return (list(u=U, v=s$v, d=s$d))
}

Answer 3

所以这就是我最终做的事情.编写dgCMatrix以SVDLIBC的"稀疏文本"格式将稀疏矩阵(类)转储到文本文件的例程相对简单,然后调用svd可执行文件,并将三个结果文本文件读回R.

问题在于效率非常低 - 我需要大约10秒来读取和写入文件,但实际的SVD计算只需要大约0.2秒左右.不过,这当然比完全无法执行计算要好,所以我很高兴.=)