2024年最全机器学习算法SVD奇异值分解之c++实现（不调用外源库）_c+，2024年最新C C++知识体系

本文链接：https://blog.csdn.net/2401_84976491/article/details/138825044

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

第二步：代码实现

//还有一种奇异值分解，http://www.cnblogs.com/zhangchaoyang/articles/2575948.html

/**

函数原型:

bool svd(vector<vector<double> > A, int K, std::vector<std::vector<double> > &U, std::vector<double> &S, std::vector<std::vector<double> > &V);

输入矩阵A,分解矩阵的秩K

输出U,S,V

本函数将A分解为U diag(S) V'

S[i],U[i],V[i]是A的第i大奇异值，及其对应的左歧义向量和右奇异向量

S,U,V的size由K指定

K是需要分解的rank，0<K<=min(m,n)

本程序采用的是最基本幂迭代算法，在linux 下编译通过

**/

#include<math.h>
#include<iostream>
#include<string.h>
#include<vector>
#include<time.h>
#include <stdlib.h>
#include <string>
#include "matrix.h"
#include <fstream>
#include <sstream>
#include <stack>

using namespace std;
const int MAX_ITER=100000;
const double eps=0.0000001;

//累加，然后开方
double get_norm(double *x, int n)
{
    double r = 0;
    for (int i = 0; i < n; i++)
    {
        r += x[i] * x[i];
    }
    return sqrt(r);
}
//归一化
double normalize(double *x, int n)
{
    double r = get_norm(x,n);
    if (r < eps)
    {
        return 0;
    }
    for (int i = 0; i < n; i++)
    {
        x[i] /= r;
    }
    return r;
}
//两个不同的数相乘，然后累加
double product(double *a, double *b, int n)
{
    double r = 0;
    for (int i = 0; i < n; i++)
    {
        r += a[i] * b[i];
    }
    return r;
}

void orth(double *a, double *b, int n)
{
    double r = product(a,b,n);
    for (int i = 0; i < n; i++)
    {
        b[i] -= r*a[i];
    }
}
//A = U*S*VT U:m*m S:m*n V:n*n 正交矩阵 对角矩阵 正交矩阵
bool svd(vector<vector<double> > A, int K, vector<vector<double> > &U, vector<double> &S, vector<vector<double> > &V){

}

void print(vector<vector<double> > &A){

    for(int i=0;i<A.size();i++){

        for(int j=0;j<A[i].size();j++){

            cout<<A[i][j]<<' ';
        }
    cout<<endl;
    }
}

int main()
{
    dataToMatrix dtm;
    cout<<"loadData"<<endl;
    cout<<"----------------------"<<endl;
    char file[30]="G:/data/svd.txt";
    dtm.loadData(&dtm,file);
    dtm.print(dtm);
    Matrix x;
    x.loadMatrix(&x,dtm);

    int m=x.col;
    int n=x.row;

    srand(time(0));

    vector<vector<double> > A;
    A.resize(m);

    for(int i=0;i<m;i++){
        A[i].resize(n);
        for(int j=0;j<n;j++)
            A[i][j]=x.mat[i][j];
    }

    print(A);
    cout<<endl;

    vector<vector<double> > U;
    vector<double> S;
    vector<vector<double> > V;

    svd(A,16,U,S,V);
    cout<<"U="<<endl;

    print(U);

    cout<<endl;

    cout<<"S="<<endl;

    for(int i=0;i<S.size();i++){
    cout<<S[i]<<' ';
    }

    cout<<endl;

    cout<<"V="<<endl;

    print(V);

    //数组转换成矩阵
    Matrix UU;
    UU.initMatrix(&UU,32,2);
    Matrix VV;
    VV.initMatrix(&VV,2,32);
    Matrix SS;
    SS.initMatrix(&SS,2,2);
    Matrix result;
    result.initMatrix(&result,32,32);


![img](https://img-blog.csdnimg.cn/img_convert/840121d8396161e19bb4d84d0e3e55bf.png)
![img](https://img-blog.csdnimg.cn/img_convert/8caa37199a0c768c2dcc47aef918c1f2.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618668825)**

也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618668825)**