SVD和PCA詳細原理以及聯繫（包含公式推導）

初始假設 假設 X ∈ R n × d X \in R^{n \times d} X∈Rn×d，即爲 n n n個樣本， d d d維的矩陣，將每個數據矢量的條目合併，使得 X i T = ( X i 1 , … , X i d ) X_i^T = (X_i1, \ldots, X_id) XiT​=(Xi​1,…,Xi​d)。 在將這些向量放入數據矩陣之前，我們實際上會減去數據的平均值，即： μ

>>阅读原文<<