确定 Numpy SVD 中奇异值 V 中的对应列答案

【问题标题】：Determining the corresponding columns in V of singular values in Numpy SVD确定 Numpy SVD 中奇异值 V 中的对应列
【发布时间】：2020-04-04 21:15:04
【问题描述】：

我正在尝试使用 SVD 来估计线性方程的非方阵的解。我的矩阵是8 x 6 形状。

我使用以下参数计算了以下参数：

U, sigma, VT = np.linalg.svd(mat)

现在，建议我从 V 中取一列，其中 S 中的对应值最小，这应该是我试图用 8 个方程确定的 6 个参数的解。

有人可以帮忙吗？

谢谢

【问题讨论】：

标签： python numpy linear-algebra least-squares svd

【解决方案1】：

哦！对不起，谢谢你的时间。实际上，我在这里解决了与least square estimation of over-determined condition 略有不同的答案的问题。

这似乎可以，我只需要这样做：

sol_min = VT[:, np.argmin(sigma)]

【讨论】：