SVD奇異值分解 中特徵值與奇異值的數學理解與意義

前言 之前的博客中SVD推薦算法寫得不是很嚴謹， r̂ ui=∑Ff=1PufQfi+μ+bu+bi r ^ u i = ∑ f = 1 F P u f Q f i + μ + b u + b i 更像是矩陣分解多一點，沒有涉及到SVD的數學意義，這篇博客大概會寫一些數學SVD的數學理解，以及SVD在PCA和推薦算法上面的應用。 特徵值與特徵向量 如果一個向量 v v 是 方陣 A A 的特徵向量

>>阅读原文<<