机器学习笔记（10）—降维：SVD，LLE，t-SNE，特征值特征向量的深入理解

现在发现作为一个初学者，自己整理某些笔记有些费时费力，尤其是对于一些很成熟的算法，在很多平台上都已经有了很成熟深入的解读。
在接下来的学习过程中，我会将这些相关算法或是基础知识的深入解读每周做一次整理，附上大神们的解读链接，链接供自己学习记录，方便复习。
下面整理出来的连接，每篇文章的内容都十分饱满，对概念和相关算法做了很深入的解读。
如有侵权联系删除。

SVD

SVD(Singular Value Decomposition)分解，也叫奇异值分解。
小强大佬的这篇文章从矩阵分解入手，详细解读了矩阵分解的意义和方法，并且回顾了特征值特征向量的定义与几何意义。
最后，详细讲述了SVD的过程，并且举例说明
机器学习中的SVD总结

深入理解矩阵特征值特征向量

"马同学"这篇文章将特征值作为“速度的大小”，特征向量作为“速度的方向”，从另外的角度帮助理解矩阵的内涵。
如何理解矩阵特征值和特征向量？

奇异值分解的理解（合力分力）

下面这篇文章主要也是帮助理解奇异值和特征值相关概念的，文章对这些概念做了辨析，辅以生动形象的说明。