一，引言 我们知道，在实际生活中，采集到的数据大部分信息都是无用的噪声和冗余信息，那么，我们如何才能剔除掉这些噪声和无用的信息，只保留包含绝大部分重要信息的数据特征呢？ 除了上次降到的PCA方法，本次介绍另外一种方法，即SVD。SVD可以用于简化数据，提取出数据的重要特征，而剔除掉数据中的噪声和冗余 ...
分类：
其他好文 时间：
2018-11-18 15:07:34
阅读次数：
163
function [a,b,c,d]=get_LS_plane(data) % a*x + b*y + c*z + d = 0 planeData=data; % 协方差矩阵的SVD变换中，最小奇异值对应的奇异向量就是平面的方向 xyz0=mean(planeData,1); centeredPla... ...
分类：
其他好文 时间：
2018-10-28 22:03:48
阅读次数：
270
目标函数： $ J = \frac{1}{2} \left\| R - PQ \right\|^{2} + \lambda \left( \left\|P \right\|^{2} +\left\| Q \right\|^{2} \right) $ 矩阵R为$ m \times n$的稀疏矩阵(sp ...
分类：
其他好文 时间：
2018-10-13 15:43:02
阅读次数：
847
一. 引子——高维空间与西瓜 这学期选课有一门“网络数据挖掘”，原来特别担心与本学期选的一门“模式识别与数据挖掘”在一定程度上相重复，不过还好，这个老师讲课不是照本宣科，讲得更多的是个人的理解还有从业经验。 今天讲得挺有意思的一点是，在讲到聚类的时候，老师有些嗤之以鼻，说在高维空间内，聚类算法可能并 ...
分类：
其他好文 时间：
2018-10-12 23:55:52
阅读次数：
224
一、奇异值与特征值基础知识： 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系，我在接下来会谈到，特征值分解和奇异值分解的目的都是一样，就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧： 1）特征值： 如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式： ...
分类：
其他好文 时间：
2018-10-05 21:31:35
阅读次数：
176
一. 矩阵分解： 矩阵分解 (decomposition, factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD（奇异值）分解等，常见的有三种：1)三角分解法 (Triangular Factorization)，2)QR 分解法 ( ...
分类：
其他好文 时间：
2018-09-26 11:41:19
阅读次数：
594
1.奇异值分解（SVD） 应用讲解 推导过程 ...
分类：
其他好文 时间：
2018-09-13 12:12:02
阅读次数：
160
特征分解 奇异值分解(Singular Value Decomposition, SVD) ...
分类：
其他好文 时间：
2018-08-28 13:11:49
阅读次数：
157
头文件 源文件 C++ include "svd.h" void print_matrix(const vector & vec){ if(vec.empty()){ return; } for ( auto row: vec){ if(row.empty()){ return; } for ( a ...
分类：
其他好文 时间：
2018-08-20 16:42:22
阅读次数：
912
