SVD 奇异值分解
丢掉小的奇异值
减少计算量
消除噪音
有些奇异值非常小,可能是测量上一些小杂讯造成的
原始矩阵W是m行n列,那么U、Σ和VT就分别是m行m列、m行n列和n行n列。上述分解中会构建出一个矩阵Σ,该矩阵只有对角元素,其他元素均为0。另一个惯例就是,Σ的对角元素是从大到小排列的。这些对角元素称为奇异值(Singular Value),它们对应了原始数据集矩阵Data的奇异值。
WTW对称矩阵,可对角化 WWT的对角阵是U,WTW的对角阵是V
U 和V都是正交矩阵,sigma的特征值就是奇异值
D=∑∑T D=√∑
WWT–>对称矩阵
W和W的转置对角化后的特征值开根号就是奇异值
正交矩阵VT=V-1
特征向量要单位化