ในการคำนวณ (Moore-Penrose) pseudo-inverse ของเมทริกซ์ ให้ใช้เมธอด numpy.linalg.pinv() ใน Python คำนวณค่าผกผันทั่วไปของเมทริกซ์โดยใช้การสลายตัวของค่าเอกพจน์ (SVD) และรวมค่าเอกพจน์ขนาดใหญ่ทั้งหมดด้วย
พารามิเตอร์ตัวที่ 1 a คือเมทริกซ์หรือสแต็กของเมทริกซ์ที่จะกลับค่าเทียม พารามิเตอร์ตัวที่ 2 rcodn เป็นตัวตัดสำหรับค่าเอกพจน์ขนาดเล็ก ค่าเอกพจน์ที่น้อยกว่าหรือเท่ากับ rcond * maximum_singular_value ถูกตั้งค่าเป็นศูนย์ ออกอากาศเทียบกับสแต็กของเมทริกซ์ พารามิเตอร์ตัวที่ 3 คือ Hermitian หากเป็น True จะถือว่า a เป็น Hermitian ซึ่งช่วยให้สามารถค้นหาค่าเอกพจน์ได้อย่างมีประสิทธิภาพมากขึ้น ค่าเริ่มต้นเป็นเท็จ
ขั้นตอน
ขั้นแรก นำเข้าไลบรารีที่จำเป็น-
import numpy as np
สร้างอาร์เรย์และเติมค่าสุ่มโดยใช้ randn() -
arr = np.random.randn(9, 6)
แสดงอาร์เรย์ -
print("Our Array...\n",arr) ตรวจสอบขนาด -
print("\nDimensions of our Array...\n",arr.ndim)
รับประเภทข้อมูล -
print("\nDatatype of our Array object...\n",arr.dtype) รับรูปร่าง -
print("\nShape of our Array object...\n",arr.shape) ในการคำนวณ (Moore-Penrose) pseudo-inverse ของเมทริกซ์ ให้ใช้เมธอด numpy.linalg.pinv() -
print("\nResult...\n",np.linalg.pinv(arr)) ตัวอย่าง
import numpy as np
# Create an array and fill with random values using randn()
arr = np.random.randn(9, 6)
# Display the array
print("Our Array...\n",arr)
# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)
# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)
# Get the Shape
print("\nShape of our Array object...\n",arr.shape)
# To Compute the (Moore-Penrose) pseudo-inverse of a matrix, use the numpy.linalg.pinv() method in Python.
print("\nResult...\n",np.linalg.pinv(arr)) ผลลัพธ์
Our Array... [[ 2.14644893 -0.14757929 0.14252834 0.54433625 -0.21374741 0.08804508] [-0.05644831 -0.75323572 -1.95304923 0.17167461 -0.64155798 -1.38576017] [-1.40043868 -0.62073383 -0.13501655 0.79788858 -1.47284176 1.03076414] [ 0.52384943 -0.51581571 -0.35674166 1.32374059 -0.31340491 0.26292693] [-0.28434997 0.07384262 1.62577397 -0.54059147 -1.02090985 2.36613533] [-0.22025823 -1.07203572 1.30598633 0.39122889 2.05180917 1.59262088] [-2.53455261 0.79274529 0.1822599 1.11345144 0.54343454 0.27523291] [-1.11915817 1.21435385 0.87345865 0.85541497 1.90349169 -0.05778244] [ 0.99636776 0.83682256 -0.03753307 -0.11389184 1.14089214 0.11317533]] Dimensions of our Array... 2 Datatype of our Array object... float64 Shape of our Array object... (9, 6) Result... [[ 0.19229685 -0.03266066 -0.05913054 0.0990068 0.01377734 -0.02829296 -0.11340774 -0.02715551 0.13106032] [ 0.01242764 -0.03612164 -0.0019295 0.00090135 0.15372234 -0.31686534 0.16305901 0.09059529 0.45836714] [ 0.23344397 -0.46295399 -0.17382325 -0.0801975 -0.10227208 -0.04366331 -0.14434698 0.2615106 -0.84357154] [ 0.28299012 -0.06772757 0.11355691 0.31272279 -0.11283442 -0.0361218 0.12165585 0.17999476 -0.14682526] [-0.11148768 0.11063486 -0.07823299 -0.03096356 -0.07104466 0.24122668 0.02395283 0.01890529 0.26797921] [-0.13235983 0.21188986 0.20340676 0.09081754 0.31058622 0.13372814 0.11417357 -0.20740154 0.71096452]]
