2019年6月25日
关于奇异值分解（SVD）的理解
摘要： 奇异值分解实际上是将一个矩阵，分解成为两个不同维度（行数和列数）上的正交向量集之间的映射变换，奇异值则是变换时的缩放！ 例如上面的矩阵M就是一个5维映射到4维的变换矩阵，而SVD分解得到的奇异值和奇异向量则反应了这种映射关系，可以看出5维空间的各个正交方向上，缩放了多少后，映射到了4维的哪些方向。 阅读全文
posted @ 2019-06-25 09:52 霄林 阅读(314) 评论(0) 推荐(0) 编辑