- 博客(1)
- 资源 (6)
- 收藏
- 关注
原创 SVD降维
1. SVD降维 1.1 概念 奇异值分解(Singular value decomposition) 现实世界里,为了实现类似特征值分解的计算,我们使用奇异值分解。奇异值分解适用于任何矩阵,如下所示,其中A是一个m*n的矩阵: A=Um∗mΣm∗nVTn∗nA=Um∗mΣm∗nVn∗nT 其中 U 是一个m*m的正交矩阵,其向量被称为左奇异向量 V 也是一个n*n的正交矩阵,其向量
2017-08-21 17:23:49 1506
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人