一. SVD (singular value decomposition) 奇异值分解
奇异值分解将矩阵分解为奇异值和奇异向量
A是一个m*n的矩阵,U是一个m*m的矩阵,D是一个m*n的矩阵,V是一个n*n的矩阵
矩阵D对角元素上的值称为矩阵A的奇异值,U的列向量称为左奇异向量,V的列向量称为右奇异向量
左奇异向量是的特征向量,右奇异向量是的特征向量,A的非零奇异值是和特征值的平方根
二. SVD++
三.MF 矩阵分解
一. SVD (singular value decomposition) 奇异值分解
奇异值分解将矩阵分解为奇异值和奇异向量
A是一个m*n的矩阵,U是一个m*m的矩阵,D是一个m*n的矩阵,V是一个n*n的矩阵
矩阵D对角元素上的值称为矩阵A的奇异值,U的列向量称为左奇异向量,V的列向量称为右奇异向量
左奇异向量是的特征向量,右奇异向量是的特征向量,A的非零奇异值是和特征值的平方根
二. SVD++
三.MF 矩阵分解