我正在编写一个包含很多步骤 (PCA) 的算法，其中两个正在寻找给定矩阵的特征值和特征向量。
我不想为它编写整个代码，因为我知道这是一项很长的工作，所以我为此搜索了一些临时代码，但只找到了 1 或 2 个库，起初我不想包含库，我不想转到 matlab。
是否有任何算法/教程/代码似乎不太难理解？
【问题讨论】：
Eigen 是仅包含标头的包（因此从技术上讲，您不需要链接到任何库），here 是文档中用于计算特征值的示例。
标签： c++ matrix eigenvalue eigenvector
如果有人需要这个，我是怎么做的
Eigen::EigenSolver<Eigen::MatrixXf> eigensolver;
eigensolver.compute(covmat);
Eigen::VectorXf eigen_values = eigensolver.eigenvalues().real();
Eigen::MatrixXf eigen_vectors = eigensolver.eigenvectors().real();
std::vector<std::tuple<float, Eigen::VectorXf>> eigen_vectors_and_values;
for(int i=0; i<eigen_values.size(); i++){
std::tuple<float, Eigen::VectorXf> vec_and_val(eigen_values[i], eigen_vectors.row(i));
eigen_vectors_and_values.push_back(vec_and_val);
}
std::sort(eigen_vectors_and_values.begin(), eigen_vectors_and_values.end(),
[&](const std::tuple<float, Eigen::VectorXf>& a, const std::tuple<float, Eigen::VectorXf>& b) -> bool{
return std::get<0>(a) <= std::get<0>(b);
});
int index = 0;
for(auto const vect : eigen_vectors_and_values){
eigen_values(index) = std::get<0>(vect);
eigen_vectors.row(index) = std::get<1>(vect);
index++;
}
这里covmat中要找出特征向量和特征值。另外，我按照我们最常做的降序对它们进行排序。一件重要的事情是，当您选择要使用哪种特征分解技术时要小心，因为它们的作用不同。您可以在这里找到更多信息 [https://eigen.tuxfamily.org/dox/group__Eigenvalues__Module.html]
【讨论】：
Eigen::EigenSolver 承认一般矩阵，因此使用“.real()”去除虚部会给出错误的结果（此外，特征向量可能具有任意复数相位！）。从名称covmat 来看，我假设您正在输入一个协方差矩阵，它是对称的（或厄米特/自伴随）。在这种情况下，您最好使用Eigen::SelfAdjointEigenSolver，以提高性能和准确性。我不知道你在第 4 行之后要做什么。