机器学习算法——SVD奇异值分解
来源:互联网 发布:python入门到精通下载 编辑:程序博客网 时间:2024/06/06 16:54
一、SVD奇异值分解的定义
假设是一个的矩阵,如果存在一个分解:
其中为的酉矩阵,为的半正定对角矩阵,为的共轭转置矩阵,且为的酉矩阵。这样的分解称为的奇异值分解,对角线上的元素称为奇异值,称为左奇异矩阵,称为右奇异矩阵。
二、SVD奇异值分解与特征值分解的关系
特征值分解与SVD奇异值分解的目的都是提取一个矩阵最重要的特征。然而,特征值分解只适用于方阵,而SVD奇异值分解适用于任意的矩阵,不一定是方阵。
这里,和是方阵,和为单位矩阵,为的特征向量,为的特征向量。和的特征值为的奇异值的平方。
三、SVD奇异值分解的作用和意义
奇异值分解最大的作用就是数据的降维,当然,还有其他很多的作用,这里主要讨论数据的降维,对于的矩阵,进行奇异值分解
取其前个非零奇异值,可以还原原来的矩阵,即前个非零奇异值对应的奇异向量代表了矩阵的主要特征。可以表示为
0 0
- 机器学习算法——SVD奇异值分解
- 机器学习算法(降维)—SVD奇异值分解
- 简单易学的机器学习算法——SVD奇异值分解
- 机器学习--SVD奇异值分解
- 机器学习实战学习笔记4——奇异值分解(SVD)
- 机器学习基础(六十三)—— 奇异值分解(SVD)
- PYTHON机器学习实战——SVD奇异值分解 数据降维
- 机器学习中的数学——强大的矩阵奇异值分解(SVD)及其应用
- 机器学习中的数学(10)——奇异值分解(SVD)及其应用
- 【机器学习系列】SVD奇异值分解(python代码)
- 机器学习之奇异值分解基础(SVD)
- 机器学习之奇异值分解之特征值(SVD)
- 【机器学习详解】矩阵奇异值分解(SVD)及其应用
- 机器学习 矩阵奇异值分解(SVD)及其应用
- SVD奇异值分解
- SVD奇异值分解
- SVD奇异值分解
- SVD奇异值分解
- Android 应用开发学习 (2):符石守护者低仿版
- 机器学习-损失函数
- poj 1386 Play on Words
- service() doGet() doPost() 功能介绍
- 向量叉乘
- 机器学习算法——SVD奇异值分解
- TCP的FRTO理解
- [HDU 4135]Co-prime:容斥原理
- 内连接、左外连接、右外连接、交叉连接区别
- Swagger(一) SpringBoot整合Swagger2简单的例子
- (ACID)事务的特性
- FFmpeg图解:av_read_frame()
- Transform(CTM,Translate,Rotate,Scale)
- IntelliJ