svd

机器学习笔记_ 降维_3：SVD

>n;则ATA是n∗n的方阵(ATA)vi=λivi=⎧⎩⎨⎪⎪σiui=λi−−√=1σiAvi=>A=UΣVTU=m∗m;Σ=m∗n;V=n∗nPS:vi是ATA的特征向量组成V不唯一svd
mijian1207mijian·2015-11-26 02:00

从SVD到PCA——奇妙的数学游戏

方阵的特征值当一个矩阵与一个向量相乘，究竟发生了什么？定义如下的A与x：求得b：可以看到A乘以x就是将x的元素以线性的方式重新组合得到b，数学上把这种重新组合叫 线性变换。假设二维向量x满足如下条件：给定一个2×2的方阵：当x在满足约束条件的前提下取不同的值，Ax的值的变化规律如下：图中红色箭头为向量x，蓝色箭头为矩阵A对x进行线性变换后的向量。可以看到A对x做了两件事：旋转与伸缩。在某些方向上，
Lee的白板报·2015-11-24 21:00

强大的矩阵奇异值分解(SVD)及其应用

出处：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html前言：   上一次写了关于PCA与LDA
weilianyishi·2015-11-16 14:00

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-13 22:54

c++ 实奇异值分解svd

c++ 实奇异值分解svd - numcpp - 博客园 c++ 实奇异值分解svd   奇异值分解svd的定义如下： 矩阵A被分解为三个矩阵U,S,V^T的乘积:
·2015-11-13 22:12

基于K-SVD稀疏字典的图像去噪算法

基于K-SVD稀疏字典的图像去噪算法源代码下载链接：Code下面的代码我已经给出了我自己的注释，全部是个人的理解，有误的欢迎指正！
happinesslz·2015-11-13 22:15

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-13 21:28

Spark0.9.0机器学习包MLlib-Optimization代码阅读

MLlib，实现了经典的机器学算法，源码分8个文件夹， classification文件夹下面包含NB、LR、SVM的实现， clustering文件夹下面包含K均值的实现， linalg文件夹下面包含SVD
·2015-11-13 19:11

SVD 与 PCA 的直观解释 && 径向基(Radial basis function)神经网络、核函数的一些理解

一直想弄明白SVD分解后面蕴含的直观意义，可这牵扯到矩阵乘法和线性变换的物理含义的理解。在考虑SVD用途时又牵扯到PCA降维，而PCA降维里又扯到特征值和特征向量。于是，索性全记下来，供诸位探讨学习。
zouxy09·2015-11-13 18:00

强大的矩阵奇异值分解(SVD)及其应用

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[email protected] 前言：     上一次写了关于PCA与LDA的 文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种
·2015-11-13 09:04

虚反矩阵指令pinv之应用

pinv(A)又称为虚反矩阵(pseudoinverse)，其功能与反矩阵之计算相同，但它会基于svd(A)函数(或称奇异值分解函数)之计算方式，求得一个不是属于全阶之矩阵A之反矩阵。
·2015-11-13 09:50

机器学习中的数学-矩阵奇异值分解(SVD)及其应用

转自：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html 版权声明：   
·2015-11-13 08:10

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-13 05:06

一个Spectral Clustering方法的小结

;广义上来说，任何在演算法中用到SVD/特征值分解的，都叫SpectralAlgorithm。
·2015-11-13 05:10

Programming Computer Vision with Python （学习笔记四）

但还遗留了以下几个问题：在计算协方差和特征向量的方法上，书上使用的是一种被作者称为compacttrick的技巧，以及奇异值分解（SVD），这些都是什么东西呢？如何把PCA运用在多张图片上？
jk_v1·2015-11-13 00:00

mahout svd 算法总结

最近几天测试了mahout svd算法，网上的文档比较少，花了不少时间读它的代码，终于把流程搞清楚了，在这里总结一下。
·2015-11-12 23:52

Personalized Ranking from Implicit Feedback

早期的方法有SVD，它通对评分矩阵进行分解，学习到潜在特征向量，但是它很容易过学习，因此，又提出了带正则化项目的分解方法。
·2015-11-12 20:15

线性代数之SVD与PCA

SVD推荐ams上的一篇文章：     http://www.ams.org/samplings/feature-column/
·2015-11-12 19:49

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-12 19:49

Latent semantic indexing

indexing and retrieval method that uses a mathematical technique called Singular value decomposition (SVD
·2015-11-12 18:30

Singular Value Decomposition(SVD)--奇异值分解

奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。然而这两种矩阵分解尽管有其相关性，但还是有明显的不同。对称阵特征向量分解的基础是谱分析，而奇异值分解则是谱分析理论在任意矩阵上的推广。 目录 1 理论描述2 奇异值和奇异向量, 以及他们与奇异值分解的关系 1.
·2015-11-12 18:21

[zz]mahout svd 算法总结

1、关于奇异值分解的理论基础，请参看下面的链接 http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
·2015-11-12 18:57

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

前言：     上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。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
·2015-11-12 16:57

潜在语义分析LSA

LSA使用大量文本构成矩阵，每行表示一个词，一列表示一个文档，矩阵元素可以是词频或TF-IDF，然后使奇异值分解SVD进行矩阵降维，得到原矩阵的近似，此时两个词的相似性可通过其向量cos值。 
IvanSSSS·2015-11-12 12:00

PCA MATLAB

出错 princomp (line 29)    [varargout{1:nargout}]=pca(varargin{1},'Algorithm','svd','Economy'
·2015-11-12 11:19

SVD学习

前言：     上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是一个有着很明显的物理意义的一种方法，
·2015-11-11 17:56

矩阵分解大全

常见的矩阵分解有可逆方阵的三角（LU）分解、满秩方阵的正交三角（QR）分解、对称正定矩阵的Cholesky分解，以及任意方阵的Schur分解、Hessenberg分解、EVD分解、任意矩阵SVD分解、GMD
·2015-11-11 13:26

奇异值分解(SVD) --- 几何意义

原文：http://blog.sciencenet.cn/blog-696950-699432.html PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD
·2015-11-11 12:03

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

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[email protected] 前言：     上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的，一种是
·2015-11-11 07:35

推荐系统中的SVD

本文主要参考：Factorization Meets the Neighborhood: a Multifaceted Collaborative Filtering Model 在用户对自己需求相对明确的时候，用搜索引擎很方便的通过关键字搜索很快的找到自己需要的信息。但搜索引擎并不能完全满足用户对信息发现的需求，那是因为在很多情况下，用户其实并不明确自己的需要，或者他们的需求很难用简单的关键字
·2015-11-11 04:39

机器学习中的矩阵方法04：SVD 分解

这一小节的 SVD 分解则是将行与列同等看待，既左乘酉矩阵，又右乘酉矩阵，可以得出更有意思的信息。
·2015-11-11 02:17

主题模型

TopicModelLSA:LatentSemanticAnalysis,用于挖掘文档与词语之间隐含的潜在语义关联，数学基础是SVD。
u012176591·2015-11-09 00:00

主成分分析（Principal components analysis）-最大方差解释

在写这篇之前，我阅读了PCA、SVD和LDA。这几个模型相近，却都有自己的特点。本篇打算先介绍PCA，至于他们之间的关系，只能是边学边体会了。
·2015-11-07 11:13

SVD神秘值分解

SVD分解 SVD分解是LSA的数学基础，本文是我的LSA学习笔记的一部分，之所以单独拿出来，是由于SVD能够说是LSA的基础，要理解LSA必须了解SVD，因此将LSA笔记的SVD一节单独作为一篇文章
·2015-11-07 11:33

奇异值分解（SVD）和简单图像压缩

SVD(Singular Value Decomposition,奇异值分解) 算法优缺点： 优点：简化数据，去除噪声，提高算法结果 缺点：数据的转换可能难于理解 适用数据类型：数值型数据
·2015-11-07 10:24

<转>机器学习笔记之奇异值分解的几何解释与简单应用

看到的一篇比较好的关于SVD几何解释与简单应用的文章，其实是有中文译本的，但是翻译的太烂，还不如直接看英文原文的。
·2015-11-07 10:46

机器学习复习——pLSA、LDA

pLSA:pLSA由LSA发展过来，而早期LSA的实现主要是通过SVD分解。
renyp8799·2015-11-05 16:00

协同过滤和简单SVD优化

协同过滤（collaborative filtering） 推荐系统： 百度百科的定义是：它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程主要有有以下几种推荐的方式： 基于内容的推荐 协同过滤 关联推荐 混合推荐 协同过滤 这里我们主要考虑的是协同过滤，这也是最经典的推荐算法。协同过滤的思想很简单，就是像我
·2015-11-02 17:08

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

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[email protected] 前言：     上一次写了关于PCA与LDA的文章，PCA的实现一般有两种，一种是用特征值分解去实现的
·2015-11-02 16:01

【cs229-Lecture15】奇异值分解

通过求解特征值与特征向量，并选取特征值较大的一些特征向量来达到降维的效果； PCA 的一个应用——LSI(Latent Semantic Indexing,  隐含语义索引)； PCA 的一个实现——SVD
·2015-11-01 14:02

奇异值分解（singular value decomposition，SVD）

　　SVD模型的简单形式：对于任何矩阵M有：M=USVH。其中  M是m*n的矩阵，U是m*m的酉矩阵，S是m*n的对角线均为非负数，非对角线均为0的矩阵，V是n*n的酉矩阵。 　　
·2015-11-01 12:03

关于ALILIB

 ALGLIB功能包括： （1）线性代数（包括矩阵分析，EVD / SVD）；（2）方程求解（线性和非线性）；（3）插值；（4）最优化；（5）快速傅立叶变换；（6）数值积分；（7）线性和非线性最小二乘拟合
·2015-10-31 11:09

一个不错的Spectral Clustering方法的总结

 广义上来说，任何在演算法中用到SVD/特征值分解的，都叫Spectral Algorithm。
·2015-10-31 11:46

线性方程 最小二乘解 SVD分解

线性方程 最小二乘解 SVD分解 - 洪伟的日志 - 网易博客     在做极线几何约束和运动恢复结构求取深度信息时，碰到了几个齐次方程和超定方程最小二乘解的问题。
·2015-10-31 09:46

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用 版权声明：     本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com
·2015-10-31 09:58

奇异值分解(SVD)

奇异值分解(SVD) --- 线性变换几何意义 PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。
·2015-10-31 09:58

奇异值分解（We Recommend a Singular Value Decomposition）

Value Decomposition） 原文作者：David Austin原文链接： http://www.ams.org/samplings/feature-column/fcarc-svd
·2015-10-31 09:58

PCA和SVD简述

PCA的实现一般有两种：特征值分解和SVD.   原理 对原始空间中顺序找出一组相互正交的坐标轴，首先找到第一个坐标轴（数据特
·2015-10-31 08:42

matlab练习程序（奇异值分解压缩图像)

这里是用的不是图像序列了，只是单单的一幅图像，所以直接就对图像矩阵进行svd了。 　　吴军的《数学之美》里其实已经介绍过用svd进行大数据的压缩了，不过我这里还是针对图像进行介绍一下吧。
·2015-10-30 16:15

UFLDL教程练习（exercise）答案（2）

主成分分析与白化，这部分很简单，当然，其实是用Matlab比较简单，要是自己写SVD分解算法，足够研究好几个月的了。下面是我自己实现的练习答案，不保证完全正确，不过结果和网站上面给出的基本一致。
·2015-10-30 15:48
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他