奇异矩阵 若方阵A的行列式的值等于0，那么方阵A叫做奇异矩阵，否则叫做非奇异矩阵。 可逆矩阵就是非奇异矩阵，非奇异矩阵也是可逆矩阵。 QR分解 对于m*n的列满秩矩阵A，必有：，其中Q为正交矩阵，R为非奇异上三角矩阵，当要求R的对角线元素 为正的时候，该分解唯一。 SVD 奇异值分解(Singula ...
分类：
其他好文 时间：
2019-08-10 10:04:11
阅读次数：
137
奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SV... ...
分类：
其他好文 时间：
2019-07-19 19:01:10
阅读次数：
106
之前看到过很多次奇异值分解这个概念，但我确实没有学过。大学线性代数课教的就是坨屎，我也没怎么去上课，后来查了点资料算是搞清楚了，现在写点东西总结一下。 奇异值分解，就是把一个矩阵拆成一组矩阵之和。在数学里面，因式分解，泰勒展开，傅里叶展开，特征值分解，奇异值分解都是这个路数。就是把当前数据表示成一组 ...
分类：
其他好文 时间：
2019-06-23 01:03:01
阅读次数：
132
用处 基于SVD实现模型压缩以适配低功耗平台 根据nnet3bin/nnet3-copy，nnet3-copy或nnet3-am-copy的"--edits-config"参数中，新支持了以下选项： apply-svd name= bottleneck-dim= 查找所有名字与匹配的组件，类型需要是... ...
分类：
Web程序 时间：
2019-06-21 13:08:58
阅读次数：
463
特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。 奇异值分解是一个有着很明显的物理意义的一种方法，它可以将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要的特性。就像是描述一个 ...
分类：
其他好文 时间：
2019-04-28 09:51:04
阅读次数：
187
1.理解特征值，特征向量 一个对角阵$A$，用它做变换时，自然坐标系的坐标轴不会发生旋转变化，而只会发生伸缩，且伸缩的比例就是$A$中对角线对应的数值大小。 对于普通矩阵$A$来说，是不是也可以找到这样的向量，使得经$A$变换后，不改变方向而只伸缩？答案是可以的，这种向量就是$A$的特征向量，而对应 ...
分类：
其他好文 时间：
2019-04-18 20:13:17
阅读次数：
139
机器学习——降维（主成分分析PCA、线性判别分析LDA、奇异值分解SVD、局部线性嵌入LLE） 以下资料并非本人原创，因为觉得石头写的好，所以才转发备忘 (主成分分析（PCA）原理总结)[https://mp.weixin.qq.com/s/XuXK4inb9Yi 4ELCe_i0EA] 来源：?石 ...
分类：
其他好文 时间：
2019-04-13 10:51:30
阅读次数：
152
摘自推荐系统 一、SVD奇异值分解 参考 https://www.cnblogs.com/lzllovesyl/p/5243370.html 1、SVD简介 SVD（singular value decomposition）。其作用就是将一个复杂的矩阵分解成3个小的矩阵。 ...
分类：
其他好文 时间：
2019-04-10 22:03:28
阅读次数：
216
奇异值分解(SVD)及其应用 PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是 ...
分类：
其他好文 时间：
2019-01-29 01:10:46
阅读次数：
162
主成分分析（PCA）原理详解 主成分分析（PCA）原理详解 主成分分析（PCA）原理详解 主成分分析（PCA）原理详解 一、PCA简介 1. 相关背景 上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后，颇有体会。最近在做主成分分析和奇异值分解方面的项目，所以记录一下心得体会 ...
分类：
其他好文 时间：
2019-01-27 16:31:29
阅读次数：
186
