2018年12月21日
【Math for ML】矩阵分解(Matrix Decompositions) （下）
摘要： "【Math for ML】矩阵分解(Matrix Decompositions) （上）" I. 奇异值分解(Singular Value Decomposition) 1. 定义 Singular Value Decomposition (SVD)是线性代数中十分重要的矩阵分解方法，被称为“ 线 阅读全文
posted @ 2018-12-21 15:37 marsggbo 阅读(1809) 评论(0) 推荐(1) 编辑
【转载】奇异值分解(SVD)计算过程示例
摘要： 原文链接: "奇异值分解(SVD)的计算方法" 奇异值分解是线性代数中一种重要的矩阵分解方法，这篇文章通过一个具体的例子来说明如何对一个矩阵A进行奇异值分解。 首先，对于一个m n的矩阵，如果存在正交矩阵U(m\ m阶)和V(n\ n阶)，使得(1)式成立： $$A=U \Sigma V^T \ta 阅读全文
posted @ 2018-12-21 15:03 marsggbo 阅读(36178) 评论(2) 推荐(4) 编辑