如何直观理解SVD?
学习笔记。参考的是视频,讲得真好。
3Blue1Brown的个人空间_哔哩哔哩_bilibili
当然有些视频还是得去youtube看
一、矩阵乘法的理解
向量可以看成向量空间中第一个点,左乘一个放缩矩阵,就相当于把第一个维度x,和第二个维度y都放大2倍。
扩展到更多的点,即无数点组成的图形
like
常见的变换矩阵
这类矩阵称为剪切矩阵,特性:保持物体的体积不变,只改变形状
正交矩阵
对称矩阵,逆矩阵
二、矩阵的分解
谱分解
例子:
SVD奇异值分解
谱分解要求的矩阵必须是方阵
而SVD可以对任意的矩阵
一个二维的向量怎么旋转,放缩,翻折都不会多出来一个高度的维度,就是说二维的世界,只能在平面内移动,
打破不了维度的壁垒。如果现需要把二维的物体映射到三维世界,要怎么做?
维度变换矩阵
举例:
概念
SVD定义:
一个正方体左乘上面矩阵M,变成如上图形。
我们可以对M进行SVD分解,来通过SVD来理解M对图形的操作过程
M1是右奇异向量的转置,是对图形进行旋转的操作,把图形的特征向量旋转到x轴和y轴标准正交基上。
总结
SVD本质上就是在分解矩阵的操作,一个矩阵对图形进行一系列复杂操作变化后的图像我们不理解,
可以对这个矩阵进行SVD分解。类似于把一个打乱的魔方进行还原,把它拆解成一步步的旋转后可以还原出它原本的样貌。
是在分解矩阵的操作,一个矩阵对图形进行一系列复杂操作变化后的图像我们不理解,**
可以对这个矩阵进行SVD分解。类似于把一个打乱的魔方进行还原,把它拆解成一步步的旋转后可以还原出它原本的样貌。