SVD 与 PCA 的直观解释(3): SVD的直观解释及推导
引子:SVD分解就是把一个实数矩阵M分拆成UDV。U,V都是正交旋转矩阵。这个分拆可以形象的理解为,我要看看这个空间M性质怎么样?那我可以用标准笛卡尔空间来构造出一个一模一样的M空间。想象M空间是个特殊形状的泥塑,笛卡尔空间是块标准的正方形泥块。把笛卡尔空间放在手里,先旋转着看看(即左乘V),再找合适的地方捏捏它(再左乘D),好让它和M一样。最后再旋转(再左乘U),把它摆得和M一样。这样就360度无死角的构造了一个M空间。如果发现M空间有的地方很扁,那么我就掉丢这个维度,这就是SVD的降维,也是SVD的核心。
注释:关于上面为何是特征向量的说明。
PS:一室友秦屌,问我M不是方阵,是3*2的矩阵。作用在2*1的向量 x 上,Mx 就变成了三维的了。这还能通过两次旋转达到效果吗?注意,旋转也可以是不同维度的,不只是在平面内旋转。一个正方形我可以让它绕着原点立起来旋转。这就由二维变成三维了。
reference:
http://www.ams.org/samplings/feature-column/fcarc-svd
http://en.wikipedia.org/wiki/Singular_value_decomposition#History
http://diaorui.net/archives/61
SVD 与 PCA 的直观解释(3): SVD的直观解释及推导相关推荐
- 算法杂记-SVD,PCA,KPCA以及PPCA和FA
算法杂记-SVD,PCA,KPCA以及PPCA和FA SVD 定义 假设\(A\)为\(M\times N\)矩阵,则存在\(M\times M\)维正交矩阵\(U=[u_1,u_2,\cdots,u ...
- 串糖葫芦了: 矩阵乘法/线性变换 + 特征分解/奇异值分解(SVD) + PCA(请假设中间串了一根棍儿O(∩_∩)O)
文章目录 写在前面 可以开始串山楂了 第一个山楂:矩阵变换对应旋转例子 第二个山楂:矩阵变换对应缩放的例子 第三个山楂:只有方阵才有的特征分解 Eigen Decomposition 第四个山楂:从方 ...
- 奇异值分解SVD与PCA
首先: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. 1. 奇异值与特征值基础知识 特征值分解和奇 ...
- SVD奇异值分解(PCA,LSI)
版权声明: 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gm ...
- 画出降维后的图片_机器学习实战基础(二十三):sklearn中的降维算法PCA和SVD(四) PCA与SVD 之 PCA中的SVD...
PCA中的SVD 1 PCA中的SVD哪里来? 细心的小伙伴可能注意到了,svd_solver是奇异值分解器的意思,为什么PCA算法下面会有有关奇异值分解的参数?不是两种算法么?我们之前曾经提到过,P ...
- 主成分分析PCA和矩阵的奇异值分解SVD
PCA和SVD 引言:在机器学习中,因为高纬空间样本具有稀疏性,导致模型比较难找到数据特征等原因.所以需要进行高维数据样本的降维,其中比较常使用的一种降维方法就是PCA.PCA主要是用于数据的降维 ...
- SVD与PCA的区别
SVD与PCA区别 矩阵对向量的乘法,对应于该向量得旋转.伸缩.若对某向量只发生了伸缩而无旋转变化,则该向量是该矩阵的特征向量,伸缩比为特征值. PCA用来用来提取一个场的主要信息(即对数据集的列数- ...
- 奇异值分解(SVD)与PCA(主成分分析)
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(稍后讲解),以及自然语言处 ...
- Eigendecomposition, SVD and PCA
特征值分解, SVD 和 PCA 特征值分解 特征值与特征向量 Av=λv Av = \lambda v 注意矩阵 AA是一个线性变换.那么这个公式是说,该线性变换作用在向量vv上,相当于仅仅对向量 ...
- 因果解释能够对规则进行解释吗?
来源:<哲学动态>2017年第10期 作者:初维峰(西安交通大学人文社会科学学院) 本文受中国博士后科学基金面上资助项目"当代西方因果解释理论研究"(2017M6131 ...
最新文章
- 谨慎使用PHP的引用
- 超摩尔定律!OpenAI官宣AI算法效率每16个月翻一番
- C语言数组+冒泡排序
- webkit中对incomplete type指针的处理技巧
- 盘一盘 synchronized (一)—— 从打印Java对象头说起
- PHP生成zip压缩包
- C++11 函数模板的默认模板参数
- windows7怎么安装python库_windows7 下安装Python的PIL库
- 【论文笔记】NLP 预训练模型综述
- Android小白快速编写APP登录界面
- 秀米html编辑器,ueditor集成秀米编辑器
- HMC——Hamiltonian Monte Carlo笔记
- 通信协议-CAN总线
- python 微信二次开发_python微信公众账号二次开发
- 形参的种类及其能否改变实参
- 最新尚硅谷Java MyBatisPlus教程(完整)
- 为什么android没有iOS流畅,安卓系统为什么没有IOS流畅,原因究竟出在哪?
- poj 2245 lotto
- offiece邮箱服务器,急!!OFFICE 365邮箱服务器IP地址问题?
- 【原创】C#List线程安全相关解决方案
热门文章
- html背景无法载入gif图像,background-image:url(XXXX.gif)为何不显示背景图片_html/css_WEB-ITnose...
- Mac使用工具tree,打印项目目录树到Markdown
- Linux安装BerkleyDB
- pythonfor循环加2_python中for循环如何实现每次控制变量翻倍
- 在html页面中使用模板继承,HTML静态模板的继承
- php闪屏程序,节日闪屏的两种构成方式
- seg代码配置的踩坑记录
- Java虚拟机笔记(五):JVM中对象的分代
- 【作业5】了解在什么岗位上有哪些语言需要使用
- ms sql 带自增列 带外键约束 数据导入导出