1矩阵分解背景
在很多情况下,数据中的一小段携带了数据集中的大部分信息,其他信息要么是噪声,要么是毫不相关的信息。矩阵分析可以将原始矩阵表示成新的易于处理的形式,这种新形式是两个或多个矩阵的乘积。我们可以将这种分解过程想象成代数中的因子分析,不同的矩阵分解技术具有不同的性质,其中有些更适合于某个应用,有些则更适合于其他应用,最常见的一种分解技术是SVD
2 SVD计算原理
奇异值计算方法如下
3 SVD在图像压缩中的应用
def printMat(inMat, thresh=0.8):
for i in range(32):
for k in range(32):
if float(inMat[i,k