PCA降維示意以及SVD輔助作用體現

前言：僅個人小記 一、簡要介紹PCA降維思想 對角化並引出正交矩陣Q A T A = P Λ P − 1 = Q Λ Q T {A}^{T}A=P\Lambda {P}^{-1} = Q\Lambda {Q}^{T} ATA=PΛP−1=QΛQT其中，A是m*n的矩陣，A的每一個列向量代表着一個數據樣本，即A是由n個m維度的數據樣本構成的數據矩陣。 Λ \Lambda Λ是對角矩陣，且對角線上的值

>>阅读原文<<