利用矩陣奇異值分解(SVD)進行降維

一、SVD的優缺點及應用場合 1.優點：簡化數據，去除噪聲，提高算法的結果 2.缺點：數據的轉換可能難以理解 3.適用場合：數值型數據 二、SVD算法主要用途 SVD是矩陣分解的一種類型，而矩陣分解是將數據矩陣分解成多個獨立部分的過程。 1.隱性語義分析LSA 最早的SVD應用之一是信息檢索，稱爲利用SVD的方法爲隱性語義分析。在LSA中，一個矩陣是由文檔和詞語組成的。當在此矩陣上應用SVD時，就

>>阅读原文<<