2016年12月22日
[机器学习]-SVD奇异值分解的基本原理和运用
摘要： SVD奇异值分解： SVD是一种可靠的正交矩阵分解法。可以把A矩阵分解成U，∑，VT三个矩阵相乘的形式。（Svd(A)=[U*∑*VT]，A不必是方阵，U，VT必定是正交阵，S是对角阵<以奇异值为对角线,其他全为0>） 用途： 信息检索(LSA:隐性语义索引，LSA:隐性语义分析)，分解后的奇异值代 阅读全文
posted @ 2016-12-22 19:45 NextNight 阅读(7444) 评论(1) 推荐(2)