奇异值分解（SVD）学习笔记

1、奇异值分解介绍 在机器学习或数据分析中，有时样本数据会比较大，这样对计算机的内存会有很大的负担。此时，通过一些方法来提取数据中的主要成分，而忽略其中可以忽略不计的成分，将大大减少计算量。本文讲简单介绍奇异值分解（SVD）方法。 在机器学习中，数据一般以矩阵的形式作为输入，放入模型中进行训练或计算。矩阵的一行代表一个样本，矩阵的一列代表样本的特征。提取矩阵重要特征的方法有特征值分解和奇异值分解（

>>阅读原文<<