PCA與奇異值分解的關係，奇異值降維網絡原理

實際中最好的做法是選擇一個合適的 ，使得 的協方差矩陣（covariance matrix） 能夠被對角化(diagonalized)。這是符合直觀的因爲這樣子所有的covariance都被消除了（比如可能本來有很多noise）而留下的就是最能體現信息量的方差本身。具體的做法則是，注意到 也是對稱正定矩陣所以我們可以做特徵值分解（eigen-decomposition）得到 ,其中 是對角矩陣（對

>>阅读原文<<