用 numpy 计算 k 个最大特征值和相应特征向量的最快方法
Posted
技术标签:
【中文标题】用 numpy 计算 k 个最大特征值和相应特征向量的最快方法【英文标题】:Fastest way to compute k largest eigenvalues and corresponding eigenvectors with numpy 【发布时间】:2012-08-23 10:57:23 【问题描述】:我有一个很大的 NxN 密集对称矩阵,并且想要对应于 k 个最大特征值的特征向量。找到它们的最佳方法是什么(最好使用 numpy,但如果这是唯一的方法,通常可能使用 blas/atlas/lapack)?一般来说,N 比 k 大得多(比如 N > 5000,k
如果我的起始矩阵是稀疏的,Numpy 似乎只有找到 k 个最大特征值的函数。
【问题讨论】:
【参考方案1】:在 SciPy 中,您可以使用 linalg.eigh 函数和 eigvals
参数。
eigvals : tuple (lo, hi) 最小和最大的索引(in 升序)特征值和对应的特征向量为 返回:0
在你的情况下应该设置为(N-k,N-1)
。
【讨论】:
非稀疏方法对我来说是最快的方法。使用 k=2 的 Giuliano 的基准脚本,我得到 eigh 已用时间:93.704689 eigsh 已用时间:353.433379 eig 已用时间:870.060089 最后一次是 numpy.linalg.eig。这是在我的 macbook pro 上。【参考方案2】:实际上,稀疏例程也适用于密集的 numpy 数组,我认为它们使用了一些 一种 Krylov 子空间迭代,因此他们需要计算几个矩阵向量 产品,这意味着如果你的 k
查看文档 http://docs.scipy.org/doc/scipy/reference/tutorial/arpack.html
和下面的代码(去和朋友喝杯好咖啡直到结束)
import numpy as np
from time import clock
from scipy.linalg import eigh as largest_eigh
from scipy.sparse.linalg.eigen.arpack import eigsh as largest_eigsh
np.set_printoptions(suppress=True)
np.random.seed(0)
N=5000
k=10
X = np.random.random((N,N)) - 0.5
X = np.dot(X, X.T) #create a symmetric matrix
# Benchmark the dense routine
start = clock()
evals_large, evecs_large = largest_eigh(X, eigvals=(N-k,N-1))
elapsed = (clock() - start)
print "eigh elapsed time: ", elapsed
# Benchmark the sparse routine
start = clock()
evals_large_sparse, evecs_large_sparse = largest_eigsh(X, k, which='LM')
elapsed = (clock() - start)
print "eigsh elapsed time: ", elapsed
【讨论】:
通过几个我尝试过的“小”k
示例,我得到 44 秒和 18 秒(eigsh
更快),当k=2
时它们大致相同,当@987654326 @(奇怪)或k
是“大”eigsh
相当慢,在所有情况下eigh
大约需要 44 秒。必须有更有效的算法来做到这一点,你会期望找到最大的特征值对,其时间比许多/全部少几个数量级......
这就是为什么我说'可以'......我真的不知道! AFAIK 用于确定主要特征值的大多数方法都是旧的幂迭代方法的演变,这意味着它们需要多次执行 A*x,并且在 N=5000 和 A 满的情况下,这可能并不理想。无论如何,OP 都在询问 numpy/scipy 中可用的内容,结果证明他可以在 2 种方法之间进行选择。
我认为答案是:在 OP 的情况下,稀疏例程 is 更快! :)
没有说这么小的边距,其他考虑可能会起作用,例如机器上可用的特定 BLAS/LINPACK 实现。就我而言,在 k=10 的情况下,我在 cpu 时间之间的比率与您相同(在 2008 MacBookPro 上),但速度慢了四倍。但是如果 OP 有一个超快的 BLAS/LINPACK,他甚至可能不会注意到其中的区别......
在我的笔记本电脑上,结果证明非稀疏方法最快。以上是关于用 numpy 计算 k 个最大特征值和相应特征向量的最快方法的主要内容,如果未能解决你的问题,请参考以下文章
在 python 中以 numpy.eig 和 scipy.eig 排序的特征值