奇异值分解 - 人工智能平台 PAI

奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵求对角化的推广。在信号处理、统计学等领域有重要应用。

背景信息

奇异值分解的公式为X = U S V’。

参数配置

您可以使用以下任意一种方式，配置奇异值分解组件参数。

方式一：可视化方式

在Designer工作流页面配置组件参数。

页签	参数	描述
字段设置	选择特征列	存放k:v，k:v格式的列。
参数设置	保留奇异值个数	期望求解的top奇异组个数。默认求解全部奇异组。
参数设置	精度误差	允许的期望的误差精度。
执行调优	单个节点内存大小	单位为兆，与节点个数参数配对使用，取值为[1024, 64*1024]的正整数。
	节点个数	取值为[1, 9999]的正整数。
	生命周期	指定输出表的生命周期。

方式二：PAI命令方式

使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。

PAI -name svd
    -project algo_public
    -DinputTableName=bank_data
    -DselectedColNames=col0
    -DenableSparse=true
    -Dk=5
    -DoutputUTableName=u_table
    -DoutputVTableName=v_table
    -DoutputSTableName=s_table;

参数名称	是否必选	参数描述	默认值
inputTableName	是	进行主成分分析的输入表。	无
selectedColNames	否	输入表中用于分析的列名称，使用逗号分隔。如果是稀疏矩阵，支持STRING类型。如果是表，支持INT和DOUBLE类型。	默认选择所有列。
inputTablePartitions	否	输入表中指定参与分析的分区，格式为`Partition_name=value`。如果是多级分区，格式为`name1=value1/name2=value2，`。如果指定多个分区，则需要使用,隔开。	默认选择所有分区。
outputUTableName	是	U矩阵的输出表，维度是`m * sgNum`。其中，m为数据表的行数，sgNum为计算出的奇异值个数。	无
outputSTableName	是	S矩阵的输出表，维度是`sgNum * sgNum`。其中，sgNum为计算出的奇异值个数。	无
outputVTableName	是	V矩阵的输出表，维度是`n * sgNum`。其中，n是矩阵的列数，sgNum是计算出的奇异值个数。	无
k	是	期望的奇异值个数。输出的结果为可能比K值小的正整数。	无
tol	否	收敛误差	1.0e-06
enableSparse	否	输入数据是否为稀疏格式： true false	false
itemDelimiter	否	指当输入表数据为稀疏格式时，kv间的分隔符。	空格
kvDelimiter	否	指当输入表数据为稀疏格式时，key和value的分隔符。	冒号
coreNum	否	节点个数。与memSizePerCore参数配对使用，取值为[1, 9999]的正整数。	系统自动分配。
memSizePerCore	否	单个节点内存大小，单位为兆。取值为[1024, 64*1024]的正整数。	系统自动分配。
lifecycle	否	指定输出表的生命周期。取值为正整数。	无

示例

数据生成

drop table if exists svd_test_input;
create table svd_test_input
as
select
    *
from
(
  select
        '0:3.9079 2:0.0009 3:0.0416 4:0.17664 6:0.36460 8:0.091330' as col0
    union all
  select
        '0:0.09229 2:0.4872172 5:0.5267 8:0.4544 9:0.23317' as col0
    union all
    select
    '1:0.8312 3:0.9317 5:0.5680 7:0.5560 9:0.0508' as col0
    union all
    select
    '2:0.767 5:0.01891 8:0.25235 ' as col0
    union all
    select
    '0:0.29819 2:0.87598086 6:0.5315568 ' as col0
    union all
    select
    '0:0.920260 2:0.5154311513 4:0.8104 5:0.188420 8:0.88' as col0
) a;

PAI命令

PAI -name svd
    -project algo_public
    -DinputTableName=svd_test_input
    -DselectedColNames=col0
    -DenableSparse=true
    -Dk=5
    -DoutputUTableName=u_table
    -DoutputVTableName=v_table
    -DoutputSTableName=s_table;

算法规模：10万列。