Python sklearn词典学习中的错误计算

我试图重新计算字典学习的重建错误

当根据这里的公式重新计算这个错误时，我得到的结果与sklearn输出的结果不同

从我在sklearn的代码中所了解的情况来看，这可能与transform_算法的选择有关，但我不清楚到底是什么

下面是一段代码片段，说明了这个问题

当将alpha设置为0时，我的错误计算是正确的，因此我假设我以正确的方式计算残差。所以问题在于误差的第二项，它涉及α

提前谢谢

---

Nicofarr

Nico，根据您的代码，您使用与目标函数中相同的公式计算误差，以找到最佳稀疏拟合，即“残差”+“α*惩罚”。增加惩罚是为了强制解决方案中的稀疏性，但不应将其用于计算误差。您要查找的错误由残差给出。您是否检查过代码和sklearn中的最佳参数（u和v）是否相同？

Nico，根据您的代码，您使用与目标函数相同的公式计算误差，以找到最佳稀疏拟合，即“残差”+“α*惩罚”。增加惩罚是为了强制解决方案中的稀疏性，但不应将其用于计算误差。您要查找的错误由残差给出。您是否检查过代码和sklearn中的最佳参数（u和v）是否相同？

gist中的示例很小（一个观察作为输入），但足以说明问题。随着观察次数的增加，差异似乎越来越大。gist上的示例很小（一个观察作为输入），但足以说明问题。随着观察次数的增加，差异似乎越来越大。谢谢Yury。实际上，sklearn给出的错误包括惩罚；请参见此处：。我从他们的上一次迭代中获取错误。这可能很愚蠢，但他们似乎在代码中按1/n_分量缩放alpha。如果在代码中用alpha/n_comp替换alpha，它会匹配吗？谢谢你。实际上，sklearn给出的错误包括惩罚；请参见此处：。我从他们的上一次迭代中获取错误。这可能很愚蠢，但他们似乎在代码中按1/n_分量缩放alpha。如果在代码中用alpha/n_comp替换alpha，它是否匹配？