Python中的Nystrom近似方法

我试图用Python实现Nystrom近似方法。假设我已经计算了亲和矩阵A（在所选样本之间）和B（在其余样本和所选样本之间），下面是我的代码：

B_T = np.transpose(B)
d1 = np.sum(np.vstack((A, B_T)), 0)[np.newaxis]
d2 = np.sum(B, 0) + np.dot(np.sum(B_T, 0), np.dot(np.linalg.pinv(A), B))[np.newaxis]
dhat = np.sqrt(1./np.hstack((d1, d2))).T
A = np.dot(A, np.dot( dhat[0:subset_len], dhat[0:subset_len].T ) )
B1 = np.dot( dhat[0:subset_len], dhat[subset_len:].T)
B = B*B1
# here is the eigendecomposition
B_T = np.transpose(B)
Apseudo = np.sqrt(np.linalg.pinv(A))
BBT = np.dot(B,B_T)
W = np.vstack((A, B_T))
S = A + np.dot(Apseudo, np.dot(BBT, Apseudo) )
w,v = np.linalg.eigh(S)
ind = np.argsort(w)[::-1]
v = v[:, ind] # eigenvectors in decreasing order
w = w[ind] # eigenvalues in decreasing order
w = np.diag(w)
W = np.dot(W, Apseudo)
V1 = np.dot(W, np.dot(v, np.linalg.pinv(np.sqrt(w))))
m = 45 #embedding dimension
V = V1[:,:m]
# normalize eigenvectors to have unit length
for j in range(len(w)):
    V[:,j] = V[:,j]/np.sqrt(np.sum(V,0))
    V[:,j] = V[:,j]/np.linalg.norm(V[:,j])

当我执行该文件时，我在计算V1:*时出错，输入DLASCL时，参数4的值非法。有人能帮我解决这个错误吗

---

这是对完全不知道的人的简单解释。

我真的无法理解反对票/检查您是否没有尝试获取非psd矩阵的根。我认为论文中提到的方法有一个缺陷，可以考虑到这一点。即使这是真的，我如何补偿呢？我已经很久没有使用过这个方法了，但问题在于二次拍摄法。注意：我不是反对票，但这个问题似乎不必要地难以解释。实际上，将错误消息显示为输出会有所帮助，显示发生崩溃的条件也会有所帮助。由于崩溃是在计算V1时发生的，所以我会尝试将该行拆分为离散操作，看看这是否有帮助，即v、w或w是否有任何奇怪之处？你能接受np.sqrt（w）吗？一旦你这样做了，你能得到伪逆吗？这有什么奇怪的吗？如果事情看起来仍然合理，看看各种各样的dot产品。。。（HTH）