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
算法简介 算法实现 我只是简单处理了一下图像的灰度值，如果要处理RGB值的话，就需要分别进行SVD分解，最后再合起来即可。 运行结果 ...
分类：
编程语言 时间：
2019-04-03 12:15:52
阅读次数：
193
sklearn中的降维算法PCA和SVD 1 概述 1.1 从什么叫“维度”说开来 1.2 sklearn中的降维算法 2 PCA与SVD 2.1 降维究竟是怎样实现？ 2.2 重要参数n_components 2.2.1 迷你案例：高维数据的可视化 2.2.2 最大似然估计自选超参数 2.2.3 ...
分类：
编程语言 时间：
2019-03-19 10:41:12
阅读次数：
1183
1.InSAR时序形变与GPS比较时，应将GPS投影在雷达视线向方向上再比较。转换公式 L=【sin*(雷达入射角)*sin(卫星航向的方位角) -sin(雷达入射角)*cos(卫星航向方位角) cos(雷达入射角)】* 【北方向形变 东方向形变 垂直方向形变】 GPS测得的形变为一个单点，InSR ...
分类：
其他好文 时间：
2019-02-21 15:32:48
阅读次数：
121
Matlab中求解矩阵的奇异值 1、Matlab中求解矩阵的奇异值用svd函数和svds函数 2、实例 >> A = [1,2,3;4,5,6;7,8,9] A = 1 2 3 4 5 6 7 8 9 >> svd(A) ans = 16.8481 1.0684 0.0000 >> svds(A) ...
分类：
其他好文 时间：
2019-02-14 13:17:01
阅读次数：
198
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
EVD(EigenValue Decomposition): Symmetric real n by n matrix A = VDV’. Here columns of V are eigenvectors for A and form an orthnormal basis. D is diag... ...
分类：
其他好文 时间：
2019-01-28 23:55:14
阅读次数：
280
构建模型的个基本过程： PCA 与 SVD关系 PCA : 降维度。过程：首先计算样本本协方差矩阵，然后·暴力特征分解·(非常消耗资源)。 SVD : 降维度，它的标准推导过程类似特征分解（耗资源），据说，sk-learn中它有其他实现过程。 scikit-learn的PCA算法的背后真正的实现就是 ...
分类：
其他好文 时间：
2019-01-21 16:08:54
阅读次数：
183
奇异值分解(SVD)原理与在降维中的应用 https://www.cnblogs.com/pinard/p/6251584.html 最通俗易懂的PCA主成分分析推导 https://blog.csdn.net/u012526436/article/details/80868294，https:// ...
分类：
其他好文 时间：
2019-01-21 16:01:29
阅读次数：
208
Matrix and Determinant Let C be an M × N matrix with real-valued entries, i.e. C={cij}mxn Determinant is a value that can be computed from the element ...
分类：
其他好文 时间：
2019-01-20 10:32:04
阅读次数：
167
