《推荐系统笔记（四）》svd的python计算实例

对于任意矩阵 $A_{m\times n}$，根据奇异值分解理论，我们有等式
$$A=P\Sigma Q^T$$

其中，$P$是对称矩阵$A{A}^T$的特征向量组成的$m$阶方阵，$Q$是对称矩阵$A^{T}A$的特征向量组成的$n$阶方阵，$\Sigma$是对角线上由$A$的特征值组成的$m\times n$对角矩阵。

现在，我们用scipy的svd来做计算实例。

# 导入第三方库
import numpy as np
from scipy.linalg import svd

# 随意生成一个3*5矩阵
A = np.random.randint(50, size=(3, 5))

array([[ 2, 35,  7, 38, 10],
       [36, 48, 44, 29, 48],
       [10,  9, 25, 41,  8]])

# 对矩阵A做svd分解并打印
p, s, q = svd(A)
print('P矩阵为\n', p)
print(' ')
print('A的特征值为\n', s)
print(' ')
print('Q的转置为\n', q)

P矩阵为
 [[-0.41175322  0.6156175  -0.67191843]
 [-0.8237077  -0.56682763 -0.01456235]
 [-0.38982677  0.5474683   0.74048198]]
 
A的特征值为
 [110.18800362  37.13295888  23.10296999]
 
Q的转置为
 [[-0.31196909 -0.52145217 -0.44352451 -0.50383927 -0.42449372]
 [-0.36894115 -0.01976408 -0.18701407  0.79179427 -0.44897593]
 [ 0.23965483 -0.7597205   0.56996469  0.19064876 -0.06468091]
 [ 0.25901284 -0.36448948 -0.62607977  0.28725845  0.57058432]
 [-0.80127126 -0.13292553  0.22688349 -0.01853266  0.53709925]]

现在，我们可以将$P$和$Q$乘回去，看看能否得到原来的矩阵$A$。

$P$和$Q^T$已经给出，我们只需要生成对角矩阵$\Sigma$。

# 生成矩阵sigma
sigma = np.diag(s, 1)[:, 1:]

array([[110.18800362,   0, 0, 0, 0],
       [0,  37.13295888,   0, 0, 0],
       [0, 0,  23.10296999, 0, 0]])

# 计算p*sigma*q，复原矩阵A
p.dot(sigma).dot(q)

array([[ 2., 35.,  7., 38., 10.],
       [36., 48., 44., 29., 48.],
       [10.,  9., 25., 41.,  8.]])