我想使用 SVD 进行进化因子分析：
给定数据矩阵，并且对于每个从 1 到，我想计算奇异值：
如果有一种方法可以在添加行后更新计算的 SVD.
我很确定确实存在这样的算法：是否有可用于 Python 的开放实现？指向 C 或 Fortran 中的开放实现的指针也很有用。
Python、C 或 Fortran 中的可更新 SVD 实现？
计算科学
线性代数
Python
2021-12-12 09:37:45
2个回答
SVD 的 rank-1 更新算法（也称为增量 SVD）确实存在，但我无法在任何地方找到类似 LAPACK 的实现。
我看到反复提到的是 Brand (2003)。从这个网站来看，使用现有的 LAPACK 和 BLAS 例程作为构建块来实现 Brand 的算法似乎相对简单，这或许可以解释为什么没有大牌公司费心编写专门的实现。
您可以在此处、此处和此处找到各种算法的 MATLAB 实现。最后一个指向 IncPACK 的链接还提到了隐藏在 Trilinos 开发分支中的 C++ 实现。
Brand 算法的 Python 实现（来自他 2006 年的一篇论文）可以在0.5.0 版包的类的svdAddCols方法中找到。（注意：我在 0.8.4 版本中找不到这种方法；类似的方法在0.7.4 版本中存在。）LsiModelgensimgensimsvdUpdategensim
Gu 的另一种算法是在包isvd中实现的，该包使用 C 或 C++（没有查看源代码来判断哪个；我从这里的链接到达这个项目，其中讨论了 isvd 的编译标志）。另一个 C++（不幸的是，基于 Windows）的实现隐藏在 Netflix 推荐算法中。Netflix 推荐算法似乎经常使用增量 SVD，并且可能是另一个潜在的实现来源。
这是我能用我的 Google-fu 做的最好的事情。