Python &引用；字典中的线性相关性；skomp中的异常

我用sklearns得到一个信号的稀疏编码，使用一个。但是，在fit期间，我得到以下运行时警告：

/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/omp.py:391: RuntimeWarning:  Orthogonal matching pursuit ended prematurely due to linear
dependence in the dictionary. The requested precision might not have been met.

  copy_X=copy_X, return_path=return_path)

在这些情况下，结果确实不令人满意。我不明白这个警告的意义，因为在稀疏编码中，有一个过完备的字典是很常见的，因此它里面也有一个线性依赖关系。这不应该成为OMP的问题。事实上，如果字典是平方矩阵，也会发出警告

---

此警告是否也指向应用程序中的其他问题？

问题出现在中的数据向量

y

中

omp = OrthogonalMatchingPursuit(n_nonzero_coefs=target_sparsity)
omp.fit(D, y)

---

它包含数量非常小的数字。当我规范化

y

和

D

时，拟合的精度达到了预期。

您能解释一下如何规范化数据吗？您是否将它们缩放到特定范围？我应用了直接的列标准化，即字典

D

的每一列以及数据向量

y

的L2范数为1。