PCA与奇异值分解的关系，奇异值降维网络原理

实际中最好的做法是选择一个合适的 ，使得 的协方差矩阵（covariance matrix） 能够被对角化(diagonalized)。这是符合直观的因为这样子所有的covariance都被消除了（比如可能本来有很多noise）而留下的就是最能体现信息量的方差本身。具体的做法则是，注意到 也是对称正定矩阵所以我们可以做特征值分解（eigen-decomposition）得到 ,其中 是对角矩阵（对

>>阅读原文<<