特征矩阵向量分裂

Question

我正在尝试在Eigen中实现一个Normalizer。

它试图实现的功能如下：

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

在主标准化步骤中，我有如下函数：

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_;
}

我的问题是我究竟如何做像centered.rowwise().array() ？

Answer 1

问题是：

我究竟该怎样做像centered.rowwise().array()

答案很简单：

centered.array().rowwise()

因此，您应该将该部门写为：

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

顺便说一下， 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;

或者干脆：

typedef Eigen::RowVectorXf vector_eig;