理論積累1

1.奇異值學習

在矩陣M的奇異值分解中

1. U的列(columns)組成一套對M的正交"輸入"或"分析"的基向量。這些向量是MM*的特徵向量。
2. V的列(columns)組成一套對M的正交"輸出"的基向量。這些向量是M*M的特徵向量。
3. Σ對角線上的元素是奇異值，可視爲是在輸入與輸出間進行的標量的"膨脹控制"。這些是MM及MM的奇異值，並與U和V的列向量相對應。

奇異值分解在統計中的主要應用爲主成分分析（PCA），一種數據分析方法，用來找出大量數據中所隱含的「模式」，它能夠用在模式識別，數據壓縮等方面。PCA算法的做用是把數據集映射到低維空間中去。

2.圖論