mahout svd 算法总结

最近几天测试了mahout svd算法，网上的文档比较少，花了不少时间读它的代码，终于把流程搞清楚了，在这里总结一下。

1、关于奇异值分解的理论基础，请参看下面的链接

http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html

2、关于奇异值分解的应用场景，请参看下面的例子

http://www.igvita.com/2007/01/15/svd-recommendation-system-in-ruby/

3、关于奇异值分解输入、输出文格式的件的转换，，请参考

http://bickson.blogspot.com/2011/02/mahout-svd-matrix-factorization.html

注意输出结果解析的时应该用NamedVector，而不是SequentialAccessSparseVector

4、输出结果解释

输入的矩阵记为A，mahout svd输出的结果为矩阵A^t * A的特征值和特征向量，需要注意的是，特征值是按照顺序排列的。要得到U和奇异值需要做进一步的运算（参照第一步里面提到的公式），V则是输出的特征向量

原文来自：http://blog.sina.com.cn/s/blog_6634c1410100x3mb.html