SVD(奇异值分解)

在线性代数中，有很多的矩阵分解的方法，奇异值分解（SVD,Singular Value Decomposition)就是其中的一种，在矩阵论中对其有很详细的计算方法。

通过对矩阵进行奇异值的分解，可以得到前多少个较大的奇异值，以这些奇异值所计算出来的矩阵来代替原有矩阵，从而达到降维的目的，这个角度而言是和PCA是一一致的。

其在机器学习的应用场景具体有如下：Feature reduction的PCA（降噪），做数据压缩（以图像压缩为代表）的算法，还有做搜索引擎语义层次检索的LSI（Latent Semantic Indexing）。

这篇博客讲解计算过程很详细

https://blog.csdn.net/u010099080/article/details/68060274