奇异值分解SVD简要概括

对任意m乘n的矩阵A_{mn}都可以将其分解为三个矩阵的乘积:

A_{mn}=U_{mn}\sigma _{mn}V^{T}_{mn},称为最优分解,其中U,V是特征向量,\sigma是特征值,它其实是特征值开方得到称为奇异值,也就是矩阵\sum对角线上的值。

最后经过化简得到:A=\sigma _1u_1v^T_1+\sigma _2u_2v^T_2+......+\sigma _nu_nv^T_n,每一个v都是一个行向量。

其中的ü和v可以看作是提取出来的主要的特征,只是在不同的特征上有不同的权值\sigma _1......\sigma _n,这些权值就是奇异值。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值