奇異值分解(SVD)原理與在降維中的應用

奇異值分解(Singular Value Decomposition，以下簡稱SVD)是在機器學習領域廣泛應用的算法，它不光可以用於降維算法中的特徵分解，還可以用於推薦系統，以及自然語言處理等領域。是很多機器學習算法的基石。本文就對SVD的原理做一個總結，並討論在在PCA降維算法中是如何運用運用SVD的。 1. 回顧特徵值和特徵向量 　　　　我們首先回顧下特徵值和特徵向量的定義如下： Ax=λxA

>>阅读原文<<