奇異值分解與PCA

一、奇異值分解 每個矩陣A都可以分解成若干個小矩陣之和： A=σ₁Β₁+σ₂Β₂+.... σ是奇異值，按從大到小排序 奇異值越大，σiBi所含的信息越重要 去噪音原理：噪音通常包含在奇異值小的項中，可以令小的奇異值爲0來去噪音。 numpy.linalg.svd() 二、PCA n個Sample，m個feature，形成： X是m*n維的矩陣 是協方差矩陣，代表各feature間相關性，角對稱矩

>>阅读原文<<