MachineLearning—Singular Value Decomposition(SVD)

奇异值分解(SVD)原理与在降维中的应用

　　　　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SVD的。

 

1. 回顾特征值和特征向量

本文完全转载自：http://www.cnblogs.com/pinard/p/6351319.html