小编dms*_*ant的帖子

我正在阅读Abdi&Williams(2010)的"主成分分析",我正在尝试重做SVD以获得进一步PCA的值.

文章指出在SVD之后:

X = PDQ ^ t

我在np.array X中加载我的数据.

X = np.array(data)
P, D, Q = np.linalg.svd(X, full_matrices=False)
D = np.diag(D)

但是在检查时我没有得到上述相同

X_a = np.dot(np.dot(P, D), Q.T)

X_a和X是相同的尺寸,但值不相同.我是否遗漏了某些内容,或者np.linalg.svd函数的功能是否与文中的等式不兼容？

使用 numpy 我可以无条件地从多元正态分布中模拟

mean = [0, 0]
cov = [[1, 0], [0, 100]]  # diagonal covariance
x, y = np.random.multivariate_normal(mean, cov, 5000).T

假设我有 5000 个 x 实现，我如何从相同的分布中模拟 y？我正在寻找可以扩展到任意维度的通用解决方案。

我有一个 Flask 应用程序，我想通过 DO Droplet 提供服务。\n我已遵循如何在 Ubuntu 22.04 上使用 Gunicorn 和 Nginx 提供 Flask 应用程序

这是我的文件夹结构

root/ \n\xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 baseweb/\n     \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 venv\n     \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 app.py \n     \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 app/ \n         \xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 routes.py \n         \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 templates/ \n             \xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 index.html\n

app.py 看起来像这样

from app import app\n\nif __name__ == "__main__":\n    app.run(host=\'0.0.0.0\', debug=True)\n

我创建了一个baseweb服务

Description=Gunicorn instance to serve myproject\nRequires=project.sock\nAfter=network.target\n\n[Service]\nUser=root\nGroup=www-data\nWorkingDirectory=/root/baseweb\nEnvironment="PATH=/root/baseweb/venv/bin"\nExecStart=/root/baseweb/venv/bin/gunicorn --preload --timeout 120 --bind unix:/baseweb/baseweb.sock -m 007 --work\n\nRestart=always\nRestartSec=3\n\n[Install]\nWantedBy=multi-user.target\n

和我的 nginx 配置 ( /etc/nginx/sites-available/baseweb) - 根据下面的 arthur sima 评论进行编辑