<div dir="ltr"><br><div class="gmail_extra"><br><br><div class="gmail_quote">On Mon, Feb 10, 2014 at 7:00 PM, alex <span dir="ltr"><<a href="mailto:argriffi@ncsu.edu" target="_blank">argriffi@ncsu.edu</a>></span> wrote:<br>
<blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex"><div class="">On Mon, Feb 10, 2014 at 11:27 AM,  <<a href="mailto:josef.pktd@gmail.com">josef.pktd@gmail.com</a>> wrote:<br>

> How do we calculate the diagonal of the hat matrix without using N by N<br>
> matrices?<br>
<br>
</div>Not sure if this was a rhetorical question or what, but this seems to work<br>
leverages = np.square(scipy.linalg.qr(X, mode='economic')[0]).sum(axis=1)<br>
<a href="http://www4.ncsu.edu/~ipsen/ps/slides_CSE2013.pdf" target="_blank">http://www4.ncsu.edu/~ipsen/ps/slides_CSE2013.pdf</a></blockquote><div>Rhetorical or not, but FWIW I'll prefer to take singular value decomposition (<font face="courier new, monospace">u, s, vt= svd(x)</font>) and then based on the singular values <font face="courier new, monospace">s</font> I'll estimate a "numerically feasible rank" <font face="courier new, monospace">r</font>. Thus the diagonal of such hat matrix would be <font face="courier new, monospace">(u[:, :r]** 2).sum(1)</font>.</div>
<div><br></div><div><br></div><div>Regards,</div><div>-eat</div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">
<br>
Sorry for off-topic...<br>
<div class=""><div class="h5">_______________________________________________<br>
NumPy-Discussion mailing list<br>
<a href="mailto:NumPy-Discussion@scipy.org">NumPy-Discussion@scipy.org</a><br>
<a href="http://mail.scipy.org/mailman/listinfo/numpy-discussion" target="_blank">http://mail.scipy.org/mailman/listinfo/numpy-discussion</a><br>
</div></div></blockquote></div><br></div></div>