奇异值分解SVD(Singular Value Decomposition)

奇异值分解SVD(Singular Value Decomposition)_第1张图片
一种理解方式,值得学习(分解时空矩阵)
奇异值分解SVD(Singular Value Decomposition)_第2张图片
先在这里阐述一下SVD的用途吧,具体细节稍后再做补充
1.通过SVD对数据的处理,我们可以使用小得多的数据集来表示原始数据集,这样做实际上是去除了噪声和冗余信息,优化了数据,提高结果的目的
2.隐形语义索引:最早SVD应用之一就是信息检索,我们称利用SVD的方法为隐形语义索引(LSI)或隐形语义分析(LSA)
3.推荐系统:SVD的另一个应用就是推荐体统,较为先进的推荐系统利用SVD从数据中构建一个主题空间,然后在该空间下计算相似度,已提高推荐的效果

你可能感兴趣的:(大数据)