奇异值分解(一) | 您所在的位置:网站首页 › eckartyoung定理 › 奇异值分解(一) |
奇异值分解(Singular Value Decomposition,简称SVD)是机器学习领域应用最广泛的算法。被广泛应用在降维算法、推荐系统以及自然语言处理等领域。 1、SVD的发展历史 Beltrami(1835-1899)和Jordan(1838-1921)被公认是奇异值分解的创始人。 1873年Beltrami提出了实正方矩阵的奇异值分解: 1874年Jordan发表了对奇异值分解的独立推导; 1902年Autonne将奇异值分解推广到复正方矩阵; 1939年Eckart与Young将奇异值分解推广到了一般复长方形矩阵。 所以又将任意复长方矩阵的奇异值分解又称为Autonee-Eckart-Young定理。 2、奇异值分解的定义 定理1(矩阵的奇异值分解) 令(或),则存在正交或酉矩阵(或)和(或)使得 (或) (1) 其中,U是大小为的矩阵,对应着的m个特征向量;V是大小为的矩阵,对应着的n个特征向量;,且,其对角元素(矩阵A的奇异值)按照顺序 排列。对角线上的元素对应着矩阵或的非负特征值的的平方根。 但是公式(1)不实用,SVD要实现降维需要对矩阵做截断处理。 当矩阵A的秩r |
CopyRight 2018-2019 实验室设备网 版权所有 |