LinAlgError：SVD 在 matplotlib PCA 中没有收敛答案

【问题标题】：LinAlgError: SVD did not converge in matplotlib PCALinAlgError：SVD 在 matplotlib PCA 中没有收敛
【发布时间】：2014-11-30 08:01:50
【问题描述】：

我正在尝试对 matplotlib 中的矩阵进行 PCA，但一直遇到 LinAlgError：SVD 未收敛。我检查了我的数据是否存在错误值。我能够在类似的数据集上毫无问题地实现 PCA，但在这种情况下，我切换了维度，因为行数必须大于 PCA 类的列数。我的矩阵有 345 行和 146 列介于 0.0 和 1.0 之间的浮点数。我不确定这里发生了什么或如何调试。如果这有所不同，我正在使用 iPython，同时拥有 numpy 和 scipy 的最新版本（我在以前的版本中读过有与此功能相关的错误）。

我也在同一个单元格上遇到这个警告，我不确定它是否相关：

RuntimeWarning: invalid value encountered in true_divide

return (x - self.mu)/self.sigma

这是我的单元格代码：

import numpy as np
from matplotlib.mlab import PCA
t = []
c = []
master = []
for s in sample_master_list.values():
   if s.t2d:
      t.append(s.pathways.values())
   else:
      c.append(s.pathways.values())
master = t + c
pca = PCA(np.array(master))

如果有人对我如何找出导致问题的原因有任何提示，我将不胜感激。

【问题讨论】：

最好附上带有变量sample_master_list 和s 的独立代码，以便我们运行并重现您的问题。

标签： python numpy matplotlib ipython

【解决方案1】：

master 中的一列可能是常量。看看np.std(master)。如果其中一个值为 0，则master 的对应列是一个常数。如果是这种情况，您可以使用pca = PCA(np.array(master), standardize=False) 作为可能的解决方法。 standardize 参数告诉 PCA 是否将每列中的数据除以该列的标准差。（或者您可以删除常量列。它无论如何都没有提供任何有用的信息，因此忽略它不会有任何害处。）

【讨论】：