本文介绍了使用Eigen矩阵库进行数据分析的优势，因其与MATLAB操作相似而受到青睐。在进行RPCA降维分析时遇到OpenMP并行问题，通过在Visual Studio中关闭多线程或更新Eigen至3.3.9版本可解决。3.3.9版本修复了包括多线程错误在内的多个问题，提升了库的性能和兼容性。
本人最近在用eigen 矩阵库做数据分析，为什么用它，主要还是它的一些操作跟matlab很相似，所以从matlab移植过来很方便。
// Eigen // Matlab
MatrixXd::Identity(rows,cols) // eye(rows,cols)
C.setIdentity(rows,cols) // C = eye(rows,cols)
MatrixXd::Zero(rows,cols) // zeros(rows,cols)
C.setZero(rows,cols) // C = zeros(rows,cols)
MatrixXd::Ones(rows,cols) // ones(rows,cols)
C.setOnes(rows,cols) // C = ones(rows,cols)
MatrixXd::Random(rows,cols) // rand(rows,cols)*2-1 // MatrixXd::Random returns uniform random numbers in (-1, 1).
C.setRandom(rows,cols) // C = rand(rows,cols)*2-1
VectorXd::LinSpaced(size,low,hi
最低0.47元/天 解锁文章
193
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
