SVD

数学 · 奇异值分解

术语解释

SVD (Singular Value Decomposition) 把任意矩阵分解为UΣV^T三个矩阵的乘积：U和V是旋转，Σ是伸缩。它是线性代数最强大的工具之一：数据压缩（JPEG）、降维（PCA的基础）、推荐系统、伪逆矩阵都靠SVD。奇异值越大，对应方向包含的信息越多。

怎么理解

SVD=矩阵分解为旋转+伸缩+旋转，万能工具

在交互版里浏览「数学」的全部词条 →