特征矩陣向量分裂

Question

我正在嘗試在Eigen中實現一個Normalizer。

它試圖實現的功能如下：

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

在主標准化步驟中，我有如下函數：

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_;
}

我的問題是我究竟如何做像centered.rowwise().array() ？

Answer 1

問題是：

我究竟該怎樣做像centered.rowwise().array()

答案很簡單：

centered.array().rowwise()

因此，您應該將該部門寫為：

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

順便說一下， vector_eig的定義也有錯誤。 如果你想要一個行向量，那么它是：

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

或者干脆：

typedef Eigen::RowVectorXf vector_eig;