机器学习笔记 - SVD奇异值分解(1)

一、旋转或缩放

1、概述

        特征分解只能对方阵进行。对于非方阵的矩阵可以使用奇异值分解（SVD）。

        使用SVD，您可以将矩阵分解为三个矩阵。我们将这些新矩阵视为空间的子变换。不是在一个动作中进行转换，而是将其分解为三个动作。

        最后，我们会将SVD应用于图像处理，看到SVD对示例图像的影响。

        我们将A分解为3个矩阵（而不是使用特征分解的两个）：

奇异值分解 (SVD)

         矩阵 U、D 和 V 具有以下属性：

        U和V是正交矩阵并且