![f6f787ff544a7cf9b74d1c08fc000fcb.png](https://img-blog.csdnimg.cn/img_convert/f6f787ff544a7cf9b74d1c08fc000fcb.png)
1. 什么是SVD?
奇异值分解(SVD, singular value decomposition)是线性代数中一种重要的矩阵分解,在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或厄米矩阵基于特征向量的对角化类似。
SVD是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石。总的来说就是跟数据有关的地方,都会有SVD身影。
2. 数学表达
一个非方矩阵
![86db2602b6e9acada9b50524cccd10ce.png](https://img-blog.csdnimg.cn/img_convert/86db2602b6e9acada9b50524cccd10ce.png)
其中
奇异值分解(SVD, singular value decomposition)是线性代数中一种重要的矩阵分解,在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或厄米矩阵基于特征向量的对角化类似。
SVD是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石。总的来说就是跟数据有关的地方,都会有SVD身影。
一个非方矩阵
其中