SVD奇异值分解用于数据分析

原文链接：(18条消息) 奇异值分解(SVD)几何意义_chuanye9781的博客-CSDN博客

代码：

import numpy as np
import matplotlib.pyplot as plt

if __name__ == "__main__":
    # 生成原始数据
    ori = np.array([np.arange(0, 10, dtype=float) for i in range(2)]) + np.random.rand(2, 10) - 0.5
    # SVD
    U, S, V = np.linalg.svd(ori)
    # 重建原始数据，
    N = 1  # 重建时保留特征根的个数，最大为2
    ans = np.zeros((2, 10))
    for i in range(N):
        ans += S[i] * np.matmul(np.reshape(U[:, i], (2, 1)), np.reshape(V[i, :].T, (1, 10)))
    # 绘图比较
    plt.scatter(ans[0], ans[1], color='red')
    plt.scatter(ori[0], ori[1], color='blue')
    plt.plot([-1, 10], [-1, 10])
    plt.show()

结果如下：

红色的点是只保留第一个特征值的结果，蓝色的点是原始数据，可以看见红色数据保留了大部分特征。