一、SVD
m*n的对角阵
示例：
任意给定一个实矩阵,其奇异值分解一定存在。
实对称矩阵：
二、 SVD的变种
三、RSVD
RSVD的进一步优化
四、SVD++
上图的Ru相当于上面的Nu。
本文介绍了奇异值分解(SVD)的基本概念，包括m*n的对角阵示例及实对称矩阵的特性。接着讨论了SVD的变种，特别是针对大规模数据集的优化方法——随机化奇异值分解(RSVD)及其进一步的改进。最后，阐述了SVD++的原理，它是SVD在推荐系统中的扩展，考虑了用户和物品的隐含特征。
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
