特征矩阵向量除法答案

【问题标题】：Eigen Matrix Vector Division特征矩阵向量除法
【发布时间】：2018-06-28 05:47:42
【问题描述】：

我正在尝试在 Eigen 中实现 Normalizer。

它试图实现的功能如下：

Xnorm = (X - np.mean(X, axis=0))/(np.std(X, axis=0))(相当于numpy)

在主要的标准化步骤中，我有一个功能如下：

typedef Eigen::Matrix<float, Eigen::Dynamic, Eigen::Dynamic, Eigen::RowMajor>
    matrix_eig;
typedef Eigen::Matrix<float, Eigen::Dynamic, Eigen::RowMajor> vector_eig;

matrix_eig Normalizer::Transform(const matrix_eig &X) {
  // mean_ and std_ are vector_eig types
  matrix_eig centered = X.rowwise() - mean_.transpose();
  // Below line doesnt work since '/' is not allowed for matrices
  return centered.rowwise()/std_;
}

我的问题是我该如何做centered.rowwise().array()之类的事情？

【问题讨论】：

你想用centered.rowwise()/std_完成什么操作？据我所知，数学没有一个标准的方法来将一个矩阵除以另一个，所以我看不出它的意图是什么。
正如我上面解释的那样，我试图简单地标准化数据（即零均值和单位标准偏差）。 Xnorm = (X - np.mean(X, axis=0))/(np.std(X, axis=0)) 是等效的 numpy 操作。
不，你没有在上面解释。您刚刚说这是主要标准化步骤中的“一个功能”，但您忽略了说这个特定的“转换”应该在该步骤中完成什么。（如果您愿意，请更清楚地说明。）无论如何，我熟悉的规范化涉及乘/除以一个标量，而不是一个向量，所以我会把它留给理解你在说什么的人。跨度>
当然，我已经在问题中添加了描述。感谢您的建议。

标签： c++ eigen eigen3

【解决方案1】：

问题：

我该怎么做centered.rowwise().array()之类的事情

答案很简单：

centered.array().rowwise()

因此，您应该将除法写为：

return centered.array().rowwise() / std_.array();

顺便说一句，vector_eig 的定义也有错误。如果你想要一个行向量，那么它是：

typedef Eigen::Matrix<float, 1, Eigen::Dynamic> vector_eig;

或者简单地说：

typedef Eigen::RowVectorXf vector_eig;

【讨论】：