什么是奇异值?奇异值分解是什么?SVD分解详解及实战

Posted Data+Science+Insight

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了什么是奇异值?奇异值分解是什么?SVD分解详解及实战相关的知识,希望对你有一定的参考价值。

什么是奇异值?奇异值分解是什么?SVD(Singular Value Decomposition)分解详解及实战

TSVD:Truncated Singular Value Decomposition

 

 

 

奇异值分解(Singular Value Decomposition,以下简称SVD)是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域。是很多机器学习算法的基石。

 

LSA(Latent Semantic Analysis)模型的底层是SVD(Singular Value Decomposition), PCA的底层也是SVD(Singular Value Decomposition)。

 

我们想对一个稀疏的特征矩阵想要降低维数,可以使用截断奇异值分解(TSVD):

 

TSVD类似于主成分分析,实际上主成分分析在其中一个步骤中经常使用非截断奇异值分解(TSVD)。在常规的SVD中,给定d个特征,SVD将创建d × d的因子矩阵ÿ

以上是关于什么是奇异值?奇异值分解是什么?SVD分解详解及实战的主要内容,如果未能解决你的问题,请参考以下文章

奇异值分解的意义

奇异值分解SVD

机器学习数学基础知识备忘

奇异值分解(SVD)详解

奇异值分解

奇异值分解(SVD)原理详解及推导