liuwei063608的专栏

原创 SVD降维

1. SVD降维 1.1 概念 奇异值分解（Singular value decomposition） 现实世界里，为了实现类似特征值分解的计算，我们使用奇异值分解。奇异值分解适用于任何矩阵，如下所示，其中A是一个m*n的矩阵： A=Um∗mΣm∗nVTn∗nA=Um∗mΣm∗nVn∗nT 其中 U 是一个m*m的正交矩阵，其向量被称为左奇异向量 V 也是一个n*n的正交矩阵，其向量