Огромная разница между выводом из SVD-решения библиотек comth math3 и ojalgo - PullRequest
Новая
       44

Огромная разница между выводом из SVD-решения библиотек comth math3 и ojalgo

0 голосов
/ 25 июня 2019

Устранена разница в SVD между библиотеками commons-math3 и ojalgo. Есть ли способ уменьшить разницу на основе любых входных параметров. 

        double[][] olsColumns = { { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 },
                { 1.0, 1.0 }, { 1.0, 1.0 }, { 1.0, 1.0 } };
        double[] observationVector = { 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
                0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
                0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
                0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
                0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0 };

//Ojalgo
final PrimitiveDenseStore tmpOriginal = PrimitiveDenseStore.FACTORY.rows(olsColumns);
        SingularValue<Double> tmpSVD = SingularValue.make(tmpOriginal);
        tmpSVD.decompose(tmpOriginal);
        double[] singularValues = tmpSVD.getSingularValues().toRawCopy1D();
        double[][] V = tmpSVD.getQ2().toRawCopy2D();
        System.out.println("V" + Arrays.deepToString(V));
        System.out.println("Singular values" + Arrays.toString(singularValues));
        try {

            // MatrixStore<Double> doubleMat = tmpSVD.solve(tmpOriginal,
            // PrimitiveDenseStore.FACTORY.column(Utils.prepareObservationVector()));
            MatrixStore<Double> solution = tmpSVD.getSolution(PrimitiveDenseStore.FACTORY.column(observationVector),
                    tmpSVD.preallocate(tmpOriginal));
            System.out.println("Solution " + Arrays.toString(solution.toRawCopy1D()));
        } catch (Exception e) {
            e.printStackTrace();
        }

//Commons-Math3

        RealMatrix newPredM = new Array2DRowRealMatrix(olsColumns);
        SingularValueDecomposition svd = new SingularValueDecomposition(newPredM);
        // RealMatrix covariance = svd.getCovariance(0);
        // System.out.println("covariance"+Arrays.deepToString(covariance.getData()));
        System.out.println("V" + Arrays.deepToString(svd.getV().getData()));
        System.out.println("Singular values" + Arrays.toString(svd.getSingularValues()));
        double[] solution = svd.getSolver().solve(new ArrayRealVector(observationVector)).toArray();
        System.out.println("Solution" + Arrays.toString(solution));

Commons Math3 Solution: [0.01612903225806451, 0.016129032258064502]

OjAlgo Solution Solution: [7.614155324982286E13, -7.614155324982295E13]

1 Ответ

0 голосов
/ 25 июня 2019

Какую версию ojAlgo вы используете?

Когда я пробую этот код, я получаю исключение, потому что «предварительно выделенная» матрица, которую вы предоставляете методу tmpSVD.getSolution (...), имеет неправильный размер / форму. Если вы просто удалите этот второй аргумент, распределение будет выполнено за вас, и код сработает. Я получаю этот результат: 

V[[0.707106781186548, -0.707106781186547], [0.707106781186547, 0.707106781186548]]
Singular values[13.638181696985853, 9.035878689445474E-15]
Solution [0.016129032258064484, 0.01612903225806446]
...