统计学习方法第十五章作业：SVD矩阵分解 代码实现 及其在推荐的应用和矩阵压缩意义

SVD矩阵分解

import numpy as np

class SVD:
    def __init__(self,x):
        self.x = np.array(x)

    def get_r_rv(self,x):
        x = np.array(x)
        s_matrix = x.T.dot(x)
        r_list, r_v = np.linalg.eig(s_matrix)
        return r_list,r_v

    def get_matrix_rank(self):
        return np.linalg.matrix_rank(self.x)

    def get_V_M(self,x):
        r_list, r_v = self.get_r_rv(x)
        index_rank = np.argsort(-r_list)
        r_list = r_list[index_rank]
        r_list_ = r_list[r_list > 0]
        r_max = len(r_list_)
        V = r_v[:,index_rank]
        m = np.zeros((r_max,r_max))
        U = np.zeros((self.x.shape[0],r_max))
        for i in range(r_max):
            m[i][i