理想的 SVD 实施？答案

【问题标题】：The ideal SVD implementation?理想的 SVD 实施？
【发布时间】：2013-05-05 18:29:25
【问题描述】：

当然，理想是主观的。我正在做一些研究，我需要为矩形矩阵的 SVD 计算实现生产级代码。所以这就是我发现的，GraphLab 和 Mahout 使用 Lanczos 算法来实现 SVD，而我发现其他方法包括 QR 分解和 Jacobi 方法。我的问题是计算 SVD 的首选方法是什么？为什么？

【问题讨论】：

【解决方案1】：

你可以试试 C++ 的 Eigen 库，它的性能非常好，如果你是 C++ 程序员，使用起来也不难：

Graphlab 将 Eigen 用于线性代数，不确定他们是否将其用于 SVD。

【讨论】：

【解决方案2】：

我发现this paper 似乎很有帮助。

在部分

45.2 奇异值分解算法

正在讨论不同的算法。

算法的不同在于是否涉及迭代，以及需要什么确切的输出，比如如果你只想要特征向量，事情会有点不同。

【讨论】：