機器學習中SVD總結

原文章地址 機器學習中SVD總結 1. 矩陣分解 1.1 矩陣分解作用 矩陣填充(通過矩陣分解來填充原有矩陣，例如協同過濾的ALS算法就是填充原有矩陣) 清理異常值與離羣點 降維、壓縮 個性化推薦 間接的特徵組合(計算特徵間相似度) 1.2 矩陣分解的方法 特徵值分解。 PCA(Principal Component Analysis)分解，作用：降維、壓縮。 SVD(Singular Value

>>阅读原文<<